版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、伴隨著信息技術和計算機網絡的不斷發(fā)展,每天有數億的分布式信息被人們所共享。如何在這些海量的、異構的信息資源中快速而有效的檢索出需要的信息成為人們日益關注的問題。知識發(fā)現和數據挖掘技術是解決這一問題的最新課題。文本聚類是文本發(fā)現和文本挖掘的最重要、最基本的功能之一,近年來文本聚類算法的研究取得了長足的發(fā)展和一系列的研究成果。
目前常用的文本聚類算法有五類:基于劃分的聚類算法,如最常用的 K-means算法;基于層次的聚類算法;基
2、于密度的聚類算法,如 DBSCAN算法;基于網格的聚類算法和基于模型的聚類算法
K-means算法是文本聚類算法中的最經典的基于劃分的算法之一。其主要思想是隨機選擇 K個初始中心點,將每個簇中心用該簇中數據的均值表示。這種算法具有時間復雜度低,實現簡單等優(yōu)點,對處理大數據集的可伸縮性較好。但是該算法也有比較明顯的缺點:首先該算法的聚類效果對聚類初始中心的選擇和設置過于敏感,極易導致聚類結果隨之波動;其次是需要提前給定 K值固定
3、聚類個數;另外該算法在運行中容易陷入局部最優(yōu)解。
本文對傳統(tǒng)的 K-means算法加以改進,主要有兩個方面的。首先基于距離和統(tǒng)計的思想對數據集中的孤立點進行了檢測,先將數據點之間按最近距離升序排列,計算出所有數據點最近鄰距離最大的幾個數據點的最近鄰距離差,以最大的距離差對應的距離值為半徑對數據點的密度進行統(tǒng)計,將密度小于密度閾值的數據點進行統(tǒng)計學標準化值的檢測,從而判斷出數據集的強孤立點和部分弱孤立點并進行處理。
其
4、次提出一種可變步長的初始中心點選取算法。先將最近最小距離的數據點的平均距離計算出來,以此建立可變步長的半徑空間,數據點的從小到大在半徑空間中選取半徑,對半徑密度值進行計算,最終將半徑密度最大最遠的數據點作為初始聚類中心點進行輸出。
最后將基于距離和統(tǒng)計的孤立點檢測算法和基于可變步長的初始中心選取算法結合到傳統(tǒng)的 K-Means聚類算法中,產生了基于密度的改進 K-Means文本聚類算法。該算法通過對孤立點的檢測和處理能避免傳統(tǒng)
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。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,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確性、安全性和完整性, 同時也不承擔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。
最新文檔
- K-means聚類算法的改進.pdf
- K-means聚類算法的改進研究.pdf
- 基于密度垂直中點的K-means聚類算法改進研究.pdf
- 密度敏感的K-means聚類算法研究.pdf
- K-Means聚類算法的研究與改進.pdf
- 基于遺傳算法的K-MEANS聚類改進研究.pdf
- 基于K-means算法的文本聚類的研究與實現.pdf
- K-means聚類算法的改進研究及應用.pdf
- 基于K-means聚類點密度加權質心定位算法研究.pdf
- (6)K-means聚類算法.pdf
- 基于K-Means的文檔聚類算法研究.pdf
- 基于K-means聚類的RCNA識別算法.pdf
- K-means聚類優(yōu)化算法的研究.pdf
- 基于k-means的中文文本聚類算法的研究與實現.pdf
- 基于K-means聚類算法的負荷模型研究.pdf
- 基于改進K-means聚類的推薦方法研究.pdf
- K-Means算法研究及在文本聚類中的應用.pdf
- 基于K-Means聚類算法的客戶細分研究.pdf
- K-means算法的改進及其在文本數據聚類中的應用.pdf
- 基于K-means聚類的LEACH協(xié)議的改進研究.pdf
評論
0/150
提交評論