K-近鄰、K-均值及其在文本分類中的應(yīng)用.pdf_第1頁
已閱讀1頁,還剩51頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明: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),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、K-均值(K-means)算法聚類的結(jié)果依賴于距離度量的選取。傳統(tǒng)的K-均值算法選擇的相似性度量通常是歐幾里德距離的倒數(shù),這種距離通常涉及所有的特征。在距離公式中引入一些特征權(quán)參數(shù)后,其聚類結(jié)果將依賴于這些權(quán)值,從而可以通過調(diào)整這些權(quán)值來優(yōu)化聚類效果。由于K-均值算法是迭代算法,很難直接確定其權(quán)值以優(yōu)化聚類結(jié)果,因此提出了一種間接的學(xué)習(xí)權(quán)值算法以改進(jìn)聚類結(jié)果。從數(shù)學(xué)意義上講,這種權(quán)值學(xué)習(xí)相當(dāng)于歐氏空間中對一組點(diǎn)進(jìn)行了一個線性變換。

2、 針對K值的學(xué)習(xí),本文初步使用了遺傳算法選擇較優(yōu)的K值,同時總結(jié)了一種聚類有效性函數(shù),數(shù)值實(shí)驗證實(shí)了其有效性,旨在指導(dǎo)應(yīng)用于K-近鄰分類中;然后還將“擴(kuò)張能力”的概念引入K-近鄰算法,根據(jù)訓(xùn)練集例子不同的覆蓋能力,刪除冗余樣本,得到數(shù)量較小同時代表類別情況又比較完全的新的訓(xùn)練集,從而降低查找近鄰復(fù)雜性。 基于以上的研究思想,本文提出了近鄰算法在文本分類中的應(yīng)用,對英文數(shù)據(jù)庫Reuters-21578實(shí)現(xiàn)了分詞以及分類的過程,并

溫馨提示

  • 1. 本站所有資源如無特殊說明,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)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對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, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論