| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-12页 |
| 1.1 研究的背景与意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.2.1 文本聚类研究现状 | 第8页 |
| 1.2.2 骨干粒子群算法的研究现状 | 第8-9页 |
| 1.2.3 群智能算法在文本聚类中的应用 | 第9页 |
| 1.3 研究内容 | 第9-10页 |
| 1.4 论文的组织结构 | 第10-11页 |
| 1.5 本章小结 | 第11-12页 |
| 第二章 文本聚类方法介绍 | 第12-18页 |
| 2.1 文本聚类基本概念 | 第12-14页 |
| 2.1.1 文本聚类的基本步骤 | 第12页 |
| 2.1.2 文本表示模型及权重计算方法 | 第12-13页 |
| 2.1.3 文本相似度计算方法 | 第13-14页 |
| 2.2 文本预处理过程介绍 | 第14-15页 |
| 2.2.1 分词 | 第14页 |
| 2.2.2 去停用词 | 第14页 |
| 2.2.3 特征选择方法介绍 | 第14-15页 |
| 2.3 聚类算法介绍 | 第15-16页 |
| 2.3.1 划分方法 | 第15页 |
| 2.3.2 层次方法 | 第15-16页 |
| 2.3.3 基于密度的方法 | 第16页 |
| 2.3.4 基于模型的方法 | 第16页 |
| 2.3.5 基于网格的方法 | 第16页 |
| 2.4 聚类效果评估方法 | 第16-17页 |
| 2.5 本章小结 | 第17-18页 |
| 第三章 基于冯诺依曼拓扑结构的骨干粒子群优化算法 | 第18-33页 |
| 3.1 骨干粒子群算法简介 | 第18-19页 |
| 3.2 冯诺依曼拓扑结构 | 第19-20页 |
| 3.3 基于冯诺依曼拓扑结构的骨干粒子群算法 | 第20-22页 |
| 3.3.1 搜索中心项 | 第20页 |
| 3.3.2 离散控制项 | 第20-21页 |
| 3.3.3 VBBPSO算法及流程 | 第21页 |
| 3.3.4 算法分析 | 第21-22页 |
| 3.4 实验结果分析 | 第22-32页 |
| 3.4.1 中心项调节系数实验 | 第22-23页 |
| 3.4.2 离散项控制参数实验 | 第23-25页 |
| 3.4.3 常用基本测试函数实验结果及分析 | 第25-29页 |
| 3.4.4 CEC2005测试函数实验结果及分析 | 第29-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第四章 SVD优化初始中心簇的K-means中文文本聚类算法 | 第33-40页 |
| 4.1 K-means算法 | 第33-34页 |
| 4.2 SVD分解方法 | 第34-35页 |
| 4.2.1 SVD数学意义介绍 | 第34-35页 |
| 4.2.2 SVD物理意义介绍 | 第35页 |
| 4.2.3 SVD粗糙类型判别介绍 | 第35页 |
| 4.3 SVD-Kmeans算法 | 第35-36页 |
| 4.3.1 SVD-Kmeans算法基本步骤介绍 | 第35-36页 |
| 4.3.2 SVD-Kmeans算法分析 | 第36页 |
| 4.4 实验结果分析 | 第36-39页 |
| 4.4.1 奇异值阈值选取实验 | 第36-38页 |
| 4.4.2 文本聚类实验结果分析 | 第38-39页 |
| 4.5 本章小结 | 第39-40页 |
| 第五章 基于改进骨干粒子群算法的中文文本聚类 | 第40-49页 |
| 5.1 文本特征选择 | 第40页 |
| 5.2 骨干粒子群算法应用文本特征选择关键技术 | 第40-43页 |
| 5.2.1 粒子的编码与解码 | 第40-42页 |
| 5.2.2 适应度函数设计 | 第42-43页 |
| 5.3 基于改进骨干粒子群算法的文本聚类方法 | 第43页 |
| 5.4 实验结果分析 | 第43-47页 |
| 5.4.1 文本特征选择实验 | 第43-44页 |
| 5.4.2 基于骨干粒子群算法的文本聚类 | 第44-47页 |
| 5.5 本章小结 | 第47-49页 |
| 第六章 总结与展望 | 第49-51页 |
| 6.1 总结 | 第49页 |
| 6.2 展望 | 第49-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第56页 |