| 中文摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-11页 |
| ·课题背景 | 第8页 |
| ·研究意义 | 第8-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·本文研究内容 | 第10页 |
| ·论文组织结构 | 第10-11页 |
| 第二章 文本聚类的相关技术 | 第11-17页 |
| ·聚类分析介绍 | 第11-12页 |
| ·文本挖掘 | 第11页 |
| ·文本聚类与文本分类 | 第11页 |
| ·聚类方法的分类 | 第11-12页 |
| ·中文文本聚类过程 | 第12页 |
| ·文本的表示——向量空间模型 | 第12-13页 |
| ·维数消减 | 第13-15页 |
| ·有监督特征选择 | 第13-14页 |
| ·无监督特征选择 | 第14-15页 |
| ·特征项权值和相似度计算 | 第15-16页 |
| ·特征项权值计算 | 第15页 |
| ·相似性度量 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 第三章 组合聚类算法的分析与改进 | 第17-30页 |
| ·SOM聚类算法 | 第17-19页 |
| ·DSOM神经网络介绍 | 第17-18页 |
| ·DSOM神经网络算法思想 | 第18页 |
| ·算法优缺点 | 第18-19页 |
| ·K-均值聚类算法分析 | 第19-20页 |
| ·K-均值聚类介绍 | 第19页 |
| ·K-均值聚类算法思想 | 第19-20页 |
| ·算法优缺点 | 第20页 |
| ·模糊聚类算法分析 | 第20-22页 |
| ·模糊聚类算法的简介 | 第20-21页 |
| ·FCM聚类算法思想 | 第21-22页 |
| ·FCM算法的优缺点 | 第22页 |
| ·聚类方法的改进之一:DSOM-FS-K-MEANS组合聚类方法 | 第22-25页 |
| ·新的文本聚类流程模型之一----DSOM-FS-K-means | 第22-24页 |
| ·算法思想 | 第24-25页 |
| ·聚类方法的改进之二:DSOM-FS-FCM组合聚类方法 | 第25-29页 |
| ·新的文本聚类流程模型之二-------DSOM-FS-FCM | 第25-27页 |
| ·算法思想 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第四章 实验证明 | 第30-44页 |
| ·实验环境 | 第30-34页 |
| ·评价指标 | 第34-35页 |
| ·实验结果分析 | 第35-43页 |
| ·实验一 DSOM-FS-K-means组合聚类方法有效性分析 | 第35-39页 |
| ·实验二 DSOM-FS-FCM组合聚类方法有效性分析 | 第39-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 总结与展望 | 第44-46页 |
| ·工作总结 | 第44-45页 |
| ·展望 | 第45-46页 |
| 参考文献 | 第46-49页 |
| 附录 系统实现部分程序 | 第49-62页 |
| 攻读硕士学位期间发表学术论文情况 | 第62-63页 |
| 致谢 | 第63页 |
