聚類算法及其在頁面聚類中的應用研究.pdf

1、互聯(lián)網(wǎng)已經(jīng)成為一個巨大的、分布式、全球信息服務中心。如何為用戶快速、高效、準確地提供他們所需要的，并具有高度相關性的一簇Web頁面，已經(jīng)成為業(yè)界研究的重要內(nèi)容。解決這個問題的一個有效途徑就是對頁面進行合理的聚類分析，從而更高效地進行Web信息的分類、存儲、檢索和集成。本文研究的主要目的是聚類算法的改進及其在頁面聚類方面的應用。 本文的主要內(nèi)容如下： (1)對聚類分析的理論、方法與過程進行研究。 (2)選取了聚類算

2、法中廣泛研究的基于劃分的K-means算法和基于密度的DBSCAN算法進行改進研究。并通過常用知名數(shù)據(jù)集進行算法實驗。 本文對K-means算法的改進目的是改變初始聚類中心的選取，即如何找到與數(shù)據(jù)在空間分布上相一致的初始聚類中心，提出的改進方法是根據(jù)數(shù)據(jù)的自然分布來選取初始聚類中心。在DBSCAN算法的改進中，對參數(shù)ε和Minpts給出了一種自動選取方法，減小了主觀性的影響。 (3)給出頁面聚類的步驟和算法描述。