基于DBSCAN优化算法的Web文本聚类研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-14页 |
| ·课题背景及研究意义 | 第11-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·论文的主要内容 | 第13-14页 |
| 第2章 Web文本聚类相关技术 | 第14-26页 |
| ·网页采集 | 第14页 |
| ·Web文本去噪 | 第14页 |
| ·中文文本分词 | 第14-17页 |
| ·去除停用词 | 第17页 |
| ·Web文本表示 | 第17-19页 |
| ·特征项权值计算方法的改进 | 第19-23页 |
| ·文本特征降维 | 第23-25页 |
| 本章小结 | 第25-26页 |
| 第3章 Web文本聚类分析 | 第26-33页 |
| ·聚类分析概述 | 第26页 |
| ·相似性度量 | 第26-28页 |
| ·聚类分析方法 | 第28-31页 |
| ·几种典型聚类算法的比较 | 第31页 |
| ·文本聚类评估标准 | 第31-32页 |
| 本章小结 | 第32-33页 |
| 第4章 DBSCAN优化算法 | 第33-44页 |
| ·传统的DBSCAN算法 | 第33-34页 |
| ·DBSCAN算法的局限性及已有的改进工作 | 第34-36页 |
| ·IF-DBSCAN算法 | 第36-37页 |
| ·基于核函数的DBSCAN优化算法 | 第37-42页 |
| 本章小结 | 第42-44页 |
| 第5章 实验分析 | 第44-50页 |
| ·实验环境 | 第44页 |
| ·实验流程 | 第44-47页 |
| ·实验结果分析 | 第47-48页 |
| 本章小结 | 第48-50页 |
| 总结与展望 | 第50-51页 |
| 1 总结 | 第50页 |
| 2 展望 | 第50-51页 |
| 附录 攻读硕士学位期间发表的论文 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56页 |