基于BIRCH改进算法的文本聚类研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 1 引言 | 第8-14页 |
| ·选题意义及研究背景 | 第8-9页 |
| ·文本聚类研究现状 | 第9-11页 |
| ·聚类算法 | 第9-10页 |
| ·文本聚类 | 第10-11页 |
| ·文本聚类的难点与问题 | 第11-12页 |
| ·本文结构安排 | 第12-14页 |
| 2 文本聚类相关技术分析 | 第14-26页 |
| ·文本分词 | 第14-16页 |
| ·中文分词方法 | 第14-16页 |
| ·过滤停用词 | 第16页 |
| ·合并同义词 | 第16页 |
| ·文本表示方法 | 第16-18页 |
| ·特征降维 | 第18-19页 |
| ·特征选择 | 第18-19页 |
| ·特征提取 | 第19页 |
| ·聚类算法 | 第19-24页 |
| ·划分方法 | 第19-20页 |
| ·层次方法 | 第20-22页 |
| ·基于密度的方法 | 第22页 |
| ·基于模型的方法 | 第22-23页 |
| ·基于网格的方法 | 第23-24页 |
| ·非传统聚类方法 | 第24页 |
| ·聚类算法评价方案 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 3 基于BIRCH算法的改进分析 | 第26-37页 |
| ·传统文本聚类方法 | 第26页 |
| ·改进的算法相关定义 | 第26-28页 |
| ·聚类特征 | 第26-27页 |
| ·聚类特征树 | 第27-28页 |
| ·BIRCH算法不足及改进研究 | 第28-29页 |
| ·K最近邻分类方法 | 第29页 |
| ·改进的文本聚类算法 | 第29-36页 |
| ·算法初始簇划分 | 第30-33页 |
| ·新算法聚类过程 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 4 TCBIBK算法实现及文本聚类实验 | 第37-46页 |
| ·文本聚类过程 | 第37页 |
| ·文本数据集 | 第37-38页 |
| ·文本预处理 | 第38-39页 |
| ·分词 | 第38页 |
| ·特征计算 | 第38-39页 |
| ·向量空间模型 | 第39页 |
| ·文本相似度计算 | 第39-40页 |
| ·TCBIBK算法聚类过程 | 第40-41页 |
| ·实验结果及结论分析 | 第41-44页 |
| ·评价标准 | 第41-42页 |
| ·结果分析 | 第42-44页 |
| ·本章小结 | 第44-46页 |
| 5 总结与展望 | 第46-48页 |
| ·总结 | 第46页 |
| ·展望 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 个人简介 | 第51-52页 |
| 导师简介 | 第52-53页 |
| 获得成果目录 | 第53-54页 |
| 致谢 | 第54页 |
