無尺度圖k-中心點(diǎn)聚類算法研究.pdf

1、文本聚類在文本挖掘和知識發(fā)現(xiàn)中起著很重要的作用。這種理論和方法可以對文本進(jìn)行有效的管理和組織，可以對信息檢索的結(jié)果進(jìn)行改善，提供導(dǎo)航/瀏覽機(jī)制，發(fā)現(xiàn)相似的文本等。因此，文本聚類已經(jīng)成為重要的研究方向和研究課題。 目前多數(shù)文本聚類算法都是以向量空間模型(VSM)為基礎(chǔ)。這種文本表示方法非常簡單，但卻引發(fā)了高維稀疏的問題。它還無法解決文本數(shù)據(jù)所特有的兩個語義問題：近義詞和多義詞。而且，傳統(tǒng)的聚類算法對于任意形狀的聚類顯得"束手無策"

2、，尤其是樣本數(shù)據(jù)不為"凸"時，算法陷入"局部"最優(yōu)。最后，對于存在"孤立點(diǎn)"數(shù)據(jù)，影響傳統(tǒng)數(shù)據(jù)挖掘的效果。所有這些問題都極大干擾了文本聚類算法的效率和準(zhǔn)確性，使文本聚類的性能下降。盡管人們提出了通過特征提取的降維方法，表示文本特征時更多加入詞頻和詞性等語義信息來解決上述問題，但是，這些方法都有自身的缺點(diǎn)，僅僅能非常有限的提高文本聚類的性能。 本文為了解決上述的問題，(1)提出了一種無尺度圖K-中心點(diǎn)聚類算法，不僅解決傳統(tǒng)聚類算法