| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 论文的选题背景与意义 | 第9-10页 |
| 1.2 国内外研究现状及趋势 | 第10-14页 |
| 1.2.1 国内外研究现状 | 第10-13页 |
| 1.2.2 国内外研究趋势 | 第13-14页 |
| 1.3 论文的主要工作及内容 | 第14-16页 |
| 第2章 相关技术研究 | 第16-25页 |
| 2.1 聚类分析相关知识 | 第16-20页 |
| 2.1.1 聚类定义 | 第16-17页 |
| 2.1.2 聚类算法 | 第17-18页 |
| 2.1.3 聚类算法的距离度量函数 | 第18-19页 |
| 2.1.4 聚类的过程 | 第19-20页 |
| 2.2 k-means算法 | 第20-22页 |
| 2.3 k-means算法的优点及缺点分析 | 第22-24页 |
| 2.4 聚类算法的通常的评价准则 | 第24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 k-means聚类算法的改进 | 第25-42页 |
| 3.1 k-means算法的改进 | 第25-30页 |
| 3.1.1 主要思想 | 第25-26页 |
| 3.1.2 倒排索引 | 第26-27页 |
| 3.1.3 倒排列表 | 第27-30页 |
| 3.2 倒排索引结构查询算法 | 第30-33页 |
| 3.2.1 查询算法 | 第30页 |
| 3.2.2 WAND算法 | 第30-33页 |
| 3.3 基于改进WAND算法的k-means聚类 | 第33-37页 |
| 3.3.1 改进后k-means算法基本原理 | 第33-34页 |
| 3.3.2 wand-k-means算法的设计 | 第34-37页 |
| 3.4 实验及结果分析 | 第37-40页 |
| 3.4.1 实验测试数据的选取 | 第37页 |
| 3.4.2 实验设计 | 第37-38页 |
| 3.4.3 实验结果分析 | 第38-40页 |
| 3.5 本章小结 | 第40-42页 |
| 第4章 wand-k-means算法在文本聚类中的应用 | 第42-49页 |
| 4.1 文本聚类概述 | 第42-45页 |
| 4.1.1 文本聚类的一般流程 | 第42-43页 |
| 4.1.2 文本的表示模型 | 第43-45页 |
| 4.2 文本聚类中的降维 | 第45-46页 |
| 4.2.1 文本聚类降维的意义 | 第45页 |
| 4.2.2 文本聚类中降维的方法介绍 | 第45-46页 |
| 4.2.3 加入降维处理的文本聚类模型 | 第46页 |
| 4.3 实验及结果分析 | 第46-48页 |
| 4.4 本章小结 | 第48-49页 |
| 结论 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第55-56页 |
| 致谢 | 第56页 |