WEB中文文本聚类分类系统的设计与实现
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第1章 绪论 | 第12-15页 |
| ·研究背景 | 第12页 |
| ·国内外研究状况 | 第12-13页 |
| ·论文主要研究内容 | 第13-14页 |
| ·论文结构 | 第14-15页 |
| 第2章 相关理论基础 | 第15-24页 |
| ·WEB挖掘概述 | 第15-18页 |
| ·Web挖掘定义 | 第15页 |
| ·Web挖掘的不同 | 第15-16页 |
| ·Web挖掘分类 | 第16-18页 |
| ·聚类 | 第18-21页 |
| ·聚类算法的分类 | 第18-20页 |
| ·类间距离定义 | 第20-21页 |
| ·聚类性能评估 | 第21页 |
| ·文本分类 | 第21-23页 |
| ·文本分类概述 | 第21-22页 |
| ·文本分类意义 | 第22页 |
| ·分类性能评估 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 WEB文本预处理关键技术 | 第24-32页 |
| ·解析HTML文挡 | 第24-26页 |
| ·分词 | 第26-28页 |
| ·去停用词 | 第28-29页 |
| ·建立索引 | 第29-30页 |
| ·特征选择 | 第30页 |
| ·向量空间模型 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第4章 基于VSM的文本聚类 | 第32-48页 |
| ·特征加权 | 第32-33页 |
| ·主成分分析 | 第33-34页 |
| ·常用聚类算法 | 第34-39页 |
| ·K-means算法 | 第34-35页 |
| ·模糊C均值算法(FCM) | 第35-37页 |
| ·层次聚类算法 | 第37-38页 |
| ·粒子群(PSO)算法 | 第38-39页 |
| ·一种基于密度的粒子群算法 | 第39-45页 |
| ·初始化粒子群的最远中心距离法 | 第40页 |
| ·粒子群密度聚类算法 | 第40-41页 |
| ·实验结果 | 第41-45页 |
| ·领域词典对聚类性能提升的研究 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 基于SVM的文本分类 | 第48-60页 |
| ·特征选择 | 第48-49页 |
| ·训练集合建模 | 第49-50页 |
| ·支持向量机(SVM) | 第50-52页 |
| ·分类器的训练策略 | 第52-53页 |
| ·分类器的判别策略 | 第53-54页 |
| ·实验结果 | 第54-56页 |
| ·混淆矩阵 | 第54-55页 |
| ·四种特征选择方法比较 | 第55-56页 |
| ·聚类、分类性能解释 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 第6章 WEB文本聚类分类系统的设计与实现 | 第60-77页 |
| ·项目目标 | 第60-61页 |
| ·系统功能模块 | 第61页 |
| ·功能模块说明 | 第61-72页 |
| ·预处理模块 | 第62页 |
| ·聚类模块 | 第62页 |
| ·分类模块 | 第62-66页 |
| ·检索模块 | 第66-67页 |
| ·可视化模块 | 第67-72页 |
| ·程序设计的各种考虑 | 第72-74页 |
| ·利用工厂模式实现类实例的装载与管理 | 第72-73页 |
| ·利用Singleton控制实例数量 | 第73-74页 |
| ·程序的打包发布 | 第74-77页 |
| 总结与展望 | 第77-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 攻读硕士学位期间所发表论文 | 第83页 |
