基于代表點(diǎn)的數(shù)據(jù)和文本聚類新方法的研究.pdf

1、聚類是一種有效的數(shù)據(jù)挖掘和文本挖掘方法。進(jìn)一步改進(jìn)聚類算法，提高聚類的性能，使其更加適合數(shù)據(jù)和文本挖掘技術(shù)的要求，具有重要的理論和實(shí)踐意義。本文對聚類算法中涉及代表點(diǎn)的密度聚類和層次聚類的問題進(jìn)行了深入研究，提出了基于代表點(diǎn)和密度的聚類方法和基于代表點(diǎn)的文本層次聚類方法，主要包括以下兩個(gè)內(nèi)容： 提出一種新的高效的基于代表點(diǎn)和密度的聚類方法。該方法首先尋找可以反映數(shù)據(jù)空間的幾何特征的代表點(diǎn)，然后計(jì)算每個(gè)代表點(diǎn)的密度，再按照本文提出

2、的一種新的距離公式計(jì)算每兩個(gè)代表點(diǎn)之間的距離。距離值最小的兩個(gè)代表點(diǎn)為鄰接代表點(diǎn)，用無向圖來描述生成的代表點(diǎn)集，并利用圖的廣度優(yōu)先搜索算法將處于同一連通子圖中的代表點(diǎn)找出來，從而得到聚類結(jié)果。其中新的距離公式考慮到代表點(diǎn)的密度和它們之間的距離同樣重要，故將密度信息加入到距離計(jì)算之中，從而使聚類結(jié)果更加精確。與傳統(tǒng)的數(shù)據(jù)聚類方法相比，該方法無需預(yù)先給出類的個(gè)數(shù)，只需一個(gè)密度閾值e，參數(shù)設(shè)置非常簡單且對聚類結(jié)果影響很??；算法運(yùn)行效率高，具有