

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、信息資源的爆炸性增長(zhǎng)將文本挖掘技術(shù)推上熱潮,越來(lái)越多的人希望能夠快速?gòu)拇罅康男畔①Y源中獲取到有用的信息,文本聚類作為文本挖掘中的關(guān)鍵技術(shù),對(duì)從大量的文本信息中找到有用的信息起到了至關(guān)重要的作用。研究文本聚類算法,發(fā)現(xiàn)算法中存在的問(wèn)題,并針對(duì)性的進(jìn)行改進(jìn),成為了近年來(lái)不少學(xué)者研究的重點(diǎn)。
文本聚類的算法中最經(jīng)典的k-means算法因操作簡(jiǎn)單、收斂速度快等優(yōu)點(diǎn)被廣泛使用,但它也存在兩個(gè)顯著的缺點(diǎn),即對(duì)聚類數(shù)目敏感和對(duì)初始中心點(diǎn)敏感
2、。本文仔細(xì)研究了大量文獻(xiàn)資料和相關(guān)的理論知識(shí),在對(duì)現(xiàn)今國(guó)內(nèi)外研究現(xiàn)狀有一定了解的基礎(chǔ)上,結(jié)合遺傳算法較強(qiáng)尋優(yōu)性的特點(diǎn)提出了基于雙重遺傳的k-means文本聚類算法,簡(jiǎn)稱TCDGK算法。該算法的核心思想是利用外層遺傳算法控制聚類數(shù)目,內(nèi)層遺傳算法控制初始中心點(diǎn),實(shí)現(xiàn)對(duì)兩個(gè)隨機(jī)因素的雙重優(yōu)化。為增強(qiáng)算法可用性,先根據(jù)內(nèi)外層控制參數(shù)的不同,分別對(duì)外層使用二進(jìn)制編碼,而對(duì)內(nèi)層使用十進(jìn)制編碼,實(shí)現(xiàn)分層編碼;再采用類間距離DBG和類內(nèi)距離DIG來(lái)評(píng)
3、價(jià)聚類結(jié)果的好壞,并提出H值的概念,將H值作為遺傳算法的適應(yīng)度函數(shù)。該算法的目標(biāo)是在算法結(jié)束后能夠同時(shí)求得最佳的聚類數(shù)目和初始中心點(diǎn)。
為證明TCDGK算法的性能,本文將UCI數(shù)據(jù)集中的Iris數(shù)據(jù)集和Glass數(shù)據(jù)集作為測(cè)試數(shù)據(jù),將其運(yùn)算結(jié)果與其余五種算法進(jìn)行對(duì)比,并將準(zhǔn)確率、召回率、F值和純度作為評(píng)價(jià)指標(biāo)。為了驗(yàn)證TCDGK算法在文本挖掘中的應(yīng)用,本文將復(fù)旦大學(xué)中文語(yǔ)料庫(kù)作為本次文本挖掘的實(shí)驗(yàn)數(shù)據(jù),對(duì)它進(jìn)行了文本分詞、去停
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- K-Means算法研究及在文本聚類中的應(yīng)用.pdf
- K-Means聚類算法在犯罪數(shù)據(jù)挖掘中的應(yīng)用.pdf
- 基于遺傳算法的k-means聚類挖掘方法的研究.pdf
- 聚類數(shù)據(jù)挖掘在商場(chǎng)中的應(yīng)用及K-means聚類算法改進(jìn)研究.pdf
- K-means算法的改進(jìn)及其在文本數(shù)據(jù)聚類中的應(yīng)用.pdf
- 數(shù)據(jù)挖掘K-means聚類算法的研究.pdf
- 基于密度的改進(jìn)K-Means文本聚類算法研究.pdf
- 降維多核K-Means算法在文本聚類中的研究.pdf
- 基于遺傳算法的K-MEANS聚類改進(jìn)研究.pdf
- 基于K-means算法的文本聚類的研究與實(shí)現(xiàn).pdf
- 基于遺傳算法的K-means聚類算法分析研究.pdf
- 基于布谷鳥(niǎo)算法的K-means聚類挖掘算法研究.pdf
- K-means聚類算法的改進(jìn).pdf
- 基于K-means算法的Web短文本聚類方法研究與應(yīng)用.pdf
- 基于SVM的K-means聚類算法在WSN入侵檢測(cè)中的應(yīng)用.pdf
- 基于K-means聚類的RCNA識(shí)別算法.pdf
- (6)K-means聚類算法.pdf
- K-means聚類算法研究及其應(yīng)用.pdf
- 基于K-Means的文檔聚類算法研究.pdf
- 基于最大頻繁項(xiàng)集K-means的文本聚類算法研究及應(yīng)用.pdf
評(píng)論
0/150
提交評(píng)論