無尺度圖k-中心點(diǎn)聚類算法研究.pdf_第1頁
已閱讀1頁,還剩62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(bào)或認(rèn)領(lǐng)

文檔簡介

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

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