聚类分析及其在文本挖掘中的应用
| 第一章 绪论 | 第1-13页 |
| 1．1 课题背景与意义 | 第7-8页 |
| 1．2 文本挖掘的研究现状 | 第8-10页 |
| 1．2．1 文本挖掘的定义 | 第8-9页 |
| 1．2．2 文本挖掘的分类 | 第9-10页 |
| 1．3 文本聚类 | 第10-11页 |
| 1．4 论文内容的安排 | 第11-13页 |
| 第二章 聚类分析 | 第13-21页 |
| 2．1 聚类分析定义 | 第13-14页 |
| 2．2 样本类型和相似度测量 | 第14-17页 |
| 2．2．1 样本类型 | 第14-15页 |
| 2．2．2 相似度测量 | 第15-17页 |
| 2．3 类的定义 | 第17-18页 |
| 2．4 聚类过程 | 第18-19页 |
| 2．5 聚类分析中的孤立点问题 | 第19-21页 |
| 第三章 几种常用聚类算法的分析与比较 | 第21-31页 |
| 3．1 常用聚类算法的分类 | 第21-22页 |
| 3．2 划分的K-means聚类算法 | 第22-23页 |
| 3．3 层次的利用多代表点聚类算法CURE | 第23-24页 |
| 3．4 基于高密度连接区域的DBSCAN聚类算法 | 第24-25页 |
| 3．5 基于神经网络模型的SOM算法 | 第25-27页 |
| 3．6 模糊C均值聚类算法FCM | 第27-28页 |
| 3．7 几种常用聚类算法的比较 | 第28-31页 |
| 3．7．1 聚类算法的评价标准 | 第28-29页 |
| 3．7．2 聚类算法的性能比较 | 第29-31页 |
| 第四章 文本聚类相关技术的讨论 | 第31-39页 |
| 4．1 中文文本预处理技术 | 第32-36页 |
| 4．1．1 文本特征表示与向量空间模型 | 第32页 |
| 4．1．2 分词处理与词频统计 | 第32-34页 |
| 4．1．3 文本特征提取 | 第34-35页 |
| 4．1．4 特征项的权重计算 | 第35-36页 |
| 4．2 文本聚类算法 | 第36-39页 |
| 4．2．1 文本聚类的相似度度量及相关定义 | 第36-37页 |
| 4．2．2 基于K-means的文本聚类算法 | 第37-39页 |
| 第五章 一个简单文本聚类模型的设计与实现 | 第39-47页 |
| 5．1 聚类模型 | 第39页 |
| 5．2 主要数据结构和模块 | 第39-43页 |
| 5．2．1 数据结构 | 第39-40页 |
| 5．2．2 功能模块 | 第40-43页 |
| 5．3 基于模型的文本聚类实验 | 第43-47页 |
| 5．3．1 实验过程 | 第43-45页 |
| 5．3．2 实验结果分析 | 第45-47页 |
| 第六章 论文总结与展望 | 第47-49页 |
| 致谢 | 第49-51页 |
| 读研期间的研究成果 | 第51-53页 |
| 参考文献 | 第53-54页 |
