基于SEAM算法的集成聚类及在文本应用中的研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 绪论 | 第11-15页 |
| ·研究背景 | 第11页 |
| ·数据挖掘技术 | 第11-12页 |
| ·聚类及聚类集成技术 | 第12-14页 |
| ·论文的主要内容及组织结构 | 第14-15页 |
| 2 聚类分析基础知识 | 第15-28页 |
| ·聚类分析的定义 | 第15-17页 |
| ·相似性的度量方式 | 第17-21页 |
| ·主要的聚类算法 | 第21-25页 |
| ·基于划分(Partitioning)的方法 | 第21-22页 |
| ·基于层次(Hierarchical)的方法 | 第22-23页 |
| ·基于密度(Density-based)的方法 | 第23页 |
| ·基于网格(Grid-based)的方法 | 第23页 |
| ·基于模型(Model-based)的方法 | 第23-24页 |
| ·基于相似矩阵的算法 | 第24页 |
| ·其它聚类算法 | 第24-25页 |
| ·存在的问题 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 3 集成聚类技术 | 第28-35页 |
| ·集成学习的提出 | 第28-29页 |
| ·集成聚类的发展现状 | 第29-34页 |
| ·聚类成员的产生 | 第31-32页 |
| ·共识函数的设计 | 第32-34页 |
| ·存在的问题 | 第34页 |
| ·本章小结 | 第34-35页 |
| 4 基于SEAM算法的集成聚类-ESEAM算法 | 第35-49页 |
| ·SEAM算法介绍 | 第35-38页 |
| ·SEAM算法的思想 | 第35页 |
| ·SEAM算法流程 | 第35-38页 |
| ·基于SEAM算法的集成聚类ESEAM算法 | 第38-39页 |
| ·相似矩阵的定义 | 第38-39页 |
| ·ESEAM的算法流程 | 第39页 |
| ·实验结果及分析 | 第39-48页 |
| ·实验数据 | 第39-42页 |
| ·实验性能指标 | 第42页 |
| ·对比试验 | 第42页 |
| ·实验结果及分析 | 第42-48页 |
| ·本章小结 | 第48-49页 |
| 5 ESEAM算法在文本应用中的研究 | 第49-64页 |
| ·文本聚类背景知识 | 第49-57页 |
| ·文本预处理 | 第49-50页 |
| ·文本的表示 | 第50-53页 |
| ·相似性度量 | 第53页 |
| ·特征降维 | 第53-56页 |
| ·文本聚类算法 | 第56-57页 |
| ·集成聚类算法在文本中的应用 | 第57-59页 |
| ·集成聚类在文本中的应用现状 | 第58页 |
| ·基于SEAM算法的集成聚类在文本中的应用 | 第58-59页 |
| ·实验结果及分析 | 第59-63页 |
| ·实验数据 | 第59页 |
| ·评价标准 | 第59-62页 |
| ·实验结果及分析 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 6 总结与展望 | 第64-66页 |
| ·论文内容总结 | 第64页 |
| ·下一步的研究方向 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 作者简历 | 第69-71页 |
| 学位论文数据集 | 第71页 |
