基于动态簇中心迁移的聚类算法及应用
| 第一章 引言 | 第1-12页 |
| ·课题的研究背景和意义 | 第7-8页 |
| ·课题研究现状 | 第8-9页 |
| ·课题的主要研究目的 | 第9-10页 |
| ·本文的内容 | 第10-12页 |
| ·研究内容 | 第10-11页 |
| ·本文的组织 | 第11-12页 |
| 第二章 文本挖掘 | 第12-18页 |
| ·文本挖掘及其处理步骤 | 第12-14页 |
| ·文本特征的建立 | 第12-13页 |
| ·特征集的缩减 | 第13-14页 |
| ·文本挖掘的功能 | 第14-15页 |
| ·文本挖掘对文本聚类的要求 | 第15-18页 |
| 第三章 文本聚类 | 第18-26页 |
| ·文本聚类问题的数学描述 | 第18-19页 |
| ·文本聚类度量函数 | 第19-21页 |
| ·文本聚类算法介绍 | 第21-26页 |
| ·划分聚类方法 | 第22-23页 |
| ·层次聚类方法 | 第23-24页 |
| ·基于密度的聚类方法 | 第24-25页 |
| ·基于网格聚类方法 | 第25页 |
| ·其他聚类方法 | 第25-26页 |
| 第四章 高维稀疏数据聚类方法介绍 | 第26-34页 |
| ·基于聚类特性(CF)结构的聚类算法 | 第27-30页 |
| ·聚类特性(CF)的概念及其性质 | 第27-28页 |
| ·基于CF结构的多层CFK-means聚类算法 | 第28-30页 |
| ·基于布尔稀疏特征向量(SFV)的聚类算法 | 第30-34页 |
| ·布尔稀疏特征向量(SFV)及其性质 | 第30-32页 |
| ·基于布尔稀疏特征向量的聚类算法CABOSFV | 第32-34页 |
| 第五章 基于动态簇中心迁移的聚类算法 | 第34-41页 |
| ·k-means算法 | 第34-35页 |
| ·基于动态簇中心迁移的聚类算法思想 | 第35-37页 |
| ·系统设计与实验结果 | 第37-41页 |
| ·算法对于数据划分的改进 | 第37-39页 |
| ·算法对k-means算法划分结果的改进 | 第39-41页 |
| 第六章 文本动态簇中心迁移算法的思想 | 第41-48页 |
| ·球形k-means算法 | 第41-42页 |
| ·算法面临的问题及其适应性改进 | 第42-43页 |
| ·文本动态簇中心迁移算法 | 第43-45页 |
| ·文本聚类实验 | 第45-48页 |
| ·对初始划分质量的检验 | 第45-46页 |
| ·仿真文本数据聚类实验 | 第46-48页 |
| 结束语 | 第48-50页 |
| 1 本文的主要研究成果和创新点 | 第48-49页 |
| 2 存在的问题和对未来工作的展望 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53-54页 |
| 个人简历、在学研究成果及发表的学术论文 | 第54页 |
