| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 1 绪论 | 第9-14页 |
| ·研究背景与研究意义 | 第9页 |
| ·国内外研究现状 | 第9-12页 |
| ·本文的主要工作 | 第12页 |
| ·文章结构 | 第12-14页 |
| 2 文本聚类相关技术 | 第14-27页 |
| ·文本聚类的定义及特点 | 第14-15页 |
| ·文本聚类的定义 | 第14页 |
| ·文本聚类任务的特点 | 第14-15页 |
| ·文本预处理 | 第15-16页 |
| ·文本切分 | 第15页 |
| ·文本分词 | 第15-16页 |
| ·去除停用词 | 第16页 |
| ·文本表示模型 | 第16-17页 |
| ·向量空间模型 | 第16-17页 |
| ·布尔模型 | 第17页 |
| ·概率模型 | 第17页 |
| ·文本特征项权值计算方法 | 第17-18页 |
| ·基于词频方法 | 第17页 |
| ·基于逆文本频率方法 | 第17-18页 |
| ·基于词频乘逆文本频率方法 | 第18页 |
| ·文本特征项降维方法 | 第18-21页 |
| ·基于潜在语义分析方法 | 第19页 |
| ·基于卡方校验方法 | 第19-20页 |
| ·基于信息增益方法 | 第20-21页 |
| ·基于互信息方法 | 第21页 |
| ·常用文本聚类算法 | 第21-25页 |
| ·基于划分的方法 | 第22页 |
| ·基于层次的方法 | 第22-23页 |
| ·基于密度的方法 | 第23页 |
| ·基于网格的方法 | 第23-24页 |
| ·基于模型的方法 | 第24-25页 |
| ·文本聚类效果评价标准 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 3 One-class SVM 算法的研究 | 第27-36页 |
| ·统计学习理论简介 | 第27-33页 |
| ·统计推理的建立 | 第27页 |
| ·参数推理方法 | 第27页 |
| ·经验风险最小化 | 第27-28页 |
| ·结构风险最小化 | 第28-29页 |
| ·SVM 算法 | 第29-33页 |
| ·One-class SVM 算法 | 第33-35页 |
| ·SVDD 算法 | 第33-34页 |
| ·One-class SVM 算法 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 4 基于 One-class SVM 的多球体文本聚类 | 第36-43页 |
| ·多球体聚类 | 第36-37页 |
| ·多球体聚类评价函数 KCDBW | 第37-40页 |
| ·基于 One-class SVM 多球体文本聚类算法 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 5 实验结果与分析 | 第43-60页 |
| ·实验设计 | 第43-45页 |
| ·实验环境 | 第43页 |
| ·语料库选择 | 第43-44页 |
| ·实验平台设计 | 第44-45页 |
| ·实验实现 | 第45-51页 |
| ·文本预处理模块 | 第45-47页 |
| ·文本表示模块 | 第47-48页 |
| ·文本特征项降维模块 | 第48页 |
| ·多球体文本聚类模块 | 第48-51页 |
| ·聚类结果评价模块 | 第51页 |
| ·实验结果及分析 | 第51-59页 |
| ·两组 2D 人工数据集 | 第51-55页 |
| ·三组 UCI 实际数据集 | 第55-57页 |
| ·搜狗文本数据集 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 6 总结与展望 | 第60-62页 |
| ·全文总结 | 第60页 |
| ·研究展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 附录 | 第66页 |
| A. 作者在攻读硕士学位期间发表的论文目录 | 第66页 |
| B. 作者在攻读硕士学位期间取得的科研成果目录 | 第66页 |