文摘
英文文摘
声明
第一章绪论
1.1课题背景
1.2研究意义
1.3国内外研究现状
1.4本文研究内容
1.5论文组织结构
第二章文本聚类的相关技术
2.1聚类分析介绍
2.1.1文本挖掘
2.1.2文本聚类与文本分类
2.1.3聚类方法的分类
2.2中文文本聚类过程
2.3文本的表示--向量空间模型
2.4维数消减
2.4.1有监督特征选择
2 4.2无监督特征选择
2.5特征项权值和相似度计算
2.5.1特征项权值计算
2.5.2相似性度量
2.6本章小结
第三章组合聚类算法的分析与改进
3.1 SOM聚类算法
3.1.1 DSOM神经网络介绍
3.1.2 DSOM神经网络算法思想
3.1.3算法优缺点
3.2 K-均值聚类算法分析
3.2.1 K-均值聚类介绍
3.2.2 K-均值聚类算法思想
3.2.3算法优缺点
3.3模糊聚类算法分析
3.3.1模糊聚类算法的简介
3.3.2 FCM聚类算法思想
3.3.3 FCM算法的优缺点
3.4聚类方法的改进之一:DSOM-FS-K-means组合聚类方法
3.4.1新的文本聚类流程模型之一--DSOM-FS-K-means
3.4.2算法思想
3.5聚类方法的改进之二:DSOM-FS-FCM组合聚类方法
3.5.1新的文本聚类流程模型之二--DSOM-FS-FCM
3.5.2算法思想
3.6本章小结
第四章实验证明
4.1实验环境
4.2评价指标
4.3实验结果分析
4.3.1实验一DSOM-FS-K-means组合聚类方法有效性分析
4.3.2实验二DSOM-FS-FCM组合聚类方法有效性分析
4.4本章小结
第五章总结与展望
5.1工作总结
5.2展望
参考文献
附录 系统实现部分程序
攻读硕士学位期间发表学术论文情况
致谢