模糊譜聚類分割策略在文本聚類中的應(yīng)用研究.pdf

1、文本聚類作為一種無監(jiān)督的機(jī)器學(xué)習(xí)方法，近年來已成為自然語言處理領(lǐng)域中研究的熱點(diǎn)，傳統(tǒng)的聚類算法只能將一個(gè)樣本點(diǎn)劃分到一個(gè)聚類中，但現(xiàn)實(shí)生活中，很多事物的歸屬并沒有特別明確，模糊聚類(Fuzzy Clustering, FC)算法的出現(xiàn)為解決這些問題提供了新的思路，實(shí)現(xiàn)了對樣本集合的模糊劃分，模糊聚類中使用的最廣泛的是FCM(Fuzzy C-means)算法。FCM屬于分割聚類算法的一種，它存在著分割聚類算法普遍存在的缺點(diǎn)，如算法易陷入局

2、部最優(yōu)、對噪聲數(shù)據(jù)敏感、需要事先指定聚類個(gè)數(shù)等問題。
　　譜聚類算法（Spectral Clustering，SC）可以實(shí)現(xiàn)對任意形狀的樣本空間聚類，且得到全局最優(yōu)解，本文通過將SC算法和FCM算法相結(jié)合，給出一種模糊譜聚類分割策略，即模糊譜聚類分割算法(Fuzzy Spectral Clustering,FSC)，該算法實(shí)現(xiàn)了對任意形狀樣本空間的聚類；通過分析FSC中噪聲點(diǎn)的隸屬度，發(fā)現(xiàn)隸屬度歸一化約束條件存在的問題，并提出對該

3、隸屬度約束條件進(jìn)行改進(jìn)的方法，對FSC算法進(jìn)行改進(jìn)，進(jìn)而得出改進(jìn)隸屬度的模糊譜聚類分割算法(Improved Membership Degree FSC，IMD-FSC)，解決了噪聲數(shù)據(jù)問題；根據(jù)拉普拉斯矩陣的特征值差異和聚類數(shù)目之間的關(guān)系，提出了一種自動(dòng)確定聚類數(shù)目的方法，將其用于IMD-FSC算法中，得出了自適應(yīng)的模糊譜聚類算法(Adaptive IMD-FSC, AIMD-FSC)，實(shí)現(xiàn)了聚類數(shù)目的自動(dòng)確定。
　　本文給出了