聚类分析研究及其在文本挖掘中的应用
| 第1章 绪论 | 第1-10页 |
| ·本文研究背景 | 第7-8页 |
| ·国内外研究现状 | 第8-9页 |
| ·国外研究现状 | 第8页 |
| ·国内研究现状 | 第8-9页 |
| ·本文主要内容 | 第9-10页 |
| 第2章 数据挖掘综述 | 第10-17页 |
| ·数据挖掘的概念 | 第10页 |
| ·数据挖掘的发展趋势 | 第10-11页 |
| ·WEB挖掘 | 第11-12页 |
| ·文本挖掘 | 第12-15页 |
| ·文本特征表示与向量空间模型 | 第12-13页 |
| ·文本特征提取 | 第13-14页 |
| ·特征词条的权重计算 | 第14-15页 |
| ·数据挖掘的难点 | 第15-17页 |
| 第3章 聚类分析 | 第17-25页 |
| ·聚类概述 | 第17-18页 |
| ·聚类算法的要求 | 第18-20页 |
| ·主要的聚类方法 | 第20-25页 |
| ·划分方法 | 第20-21页 |
| ·层次方法 | 第21-22页 |
| ·基于密度的方法 | 第22-23页 |
| ·基于模型的方法 | 第23-24页 |
| ·基于网格的方法 | 第24-25页 |
| 第4章 聚类改进算法 | 第25-39页 |
| ·SOM改进算法 | 第25-35页 |
| ·神经网络概述 | 第25-26页 |
| ·自组织特征映射算法概述 | 第26-30页 |
| ·SOM改进算法 | 第30-35页 |
| ·基于SOM和K-means的聚类组合算法 | 第35-39页 |
| ·K-means算法概述 | 第35-36页 |
| ·聚类组合算法的思想 | 第36-37页 |
| ·基于SOM和K-means的聚类组合算法 | 第37-39页 |
| 第5章 文本聚类系统的设计与实现 | 第39-62页 |
| ·文本聚类系统 | 第39-45页 |
| ·实验与性能评价 | 第45-62页 |
| ·聚类结果评价 | 第45-47页 |
| ·实验数据 | 第47-48页 |
| ·实验分析 | 第48-56页 |
| ·自动确定类别个数的聚类 | 第56-62页 |
| 结论 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士学位期间所发表的论文 | 第69页 |
