| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 第一章 引言 | 第8-17页 |
| 1．1 文本聚类/分类技术与网络信息处理 | 第8-10页 |
| 1．2 文本分类、检索的主要方法概述 | 第10-13页 |
| 1．3 网络智能信息处理的研究与发展 | 第13-14页 |
| 1．3．1 网络智能信息检索技术 | 第13-14页 |
| 1．3．2 网络信息挖掘技术 | 第14页 |
| 1．4 课题研究的主要内容和取得的主要成果 | 第14-17页 |
| 第二章 文本分类系统总体设计与初步实现 | 第17-25页 |
| 2．1 自动文本分类系统的总体设计 | 第17-19页 |
| 2．2 应用类中心分类法实现文本分类系统 | 第19-22页 |
| 2．2．1 向量空间模型简介 | 第19-20页 |
| 2．2．2 应用类中心分类法实现的文本分类系统 | 第20-22页 |
| 2．3 实验结果与小结 | 第22-25页 |
| 第三章 文本信息的描述及特征提取 | 第25-43页 |
| 3．1 概述 | 第25-30页 |
| 3．2 词频空间特征提取方法设计 | 第30-32页 |
| 3．2．1 特征提取算法设计 | 第30-31页 |
| 3．2．2 特征提取算法实验结果 | 第31-32页 |
| 3．3 文本描述中权重计算的研究 | 第32-36页 |
| 3．3．1 经典的权重计算方法 | 第32-33页 |
| 3．3．2 权重迭代中的性质 | 第33-36页 |
| 3．4 概念空间的研究 | 第36-43页 |
| 3．4．1 从词频空间向概念空间的转换 | 第36-40页 |
| 3．4．2 概念空间中的特征提取 | 第40-43页 |
| 第四章 基于信息粒度原理的聚类/分类算法的研究 | 第43-64页 |
| 4．1 概述 | 第43-50页 |
| 4．1．1 样本的相似系数和距离 | 第43-45页 |
| 4．1．2 系统聚类法 | 第45-49页 |
| 4．1．3 动态聚类法 | 第49-50页 |
| 4．2 信息粒度原理的引入 | 第50-54页 |
| 4．2．1 聚类算法在文本分类中的尝试 | 第50页 |
| 4．2．2 聚类中的粒度原理 | 第50-54页 |
| 4．3 基于信息粒度原理的聚类/分类算法 | 第54-56页 |
| 4．4 基于信息粒度原理的文本聚类/分类系统的实现 | 第56-60页 |
| 4．4．1 系统框图 | 第56-59页 |
| 4．4．2 聚类距离函数的选择 | 第59-60页 |
| 4．5 实验结果及小结 | 第60-64页 |
| 第五章 概念空间在文本聚类/分类算法中的应用 | 第64-74页 |
| 5．1 概念空间 | 第64页 |
| 5．2 概念空间在文本聚类/分类中的意义 | 第64-66页 |
| 5．3 概念空间中文本聚类/分类系统的实现 | 第66-69页 |
| 5．3．1 系统实现 | 第66-68页 |
| 5．3．2 概念空间中特征项的选取 | 第68-69页 |
| 5．4 实验结果及小结 | 第69-74页 |
| 第六章 文本聚类/分类中的模糊模式分类 | 第74-81页 |
| 6．1 模糊模式分类概述 | 第74-75页 |
| 6．2 模糊模式分类在粒度聚类/分类系统中的应用 | 第75-81页 |
| 结束语 | 第81-82页 |
| 参考文献 | 第82-85页 |
| 致谢 | 第85页 |