基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
传统的K-均值算法聚类虽然速度快,在文本聚类中易于实现,但其同量地依赖于所有变量,聚类效果往往不尽如人意.为了克服这一缺点,提出一种改进的K-均值文本聚类算法,它在K-均值聚类过程中,向每一个聚类簇中的关键词自动计算添加一个权重,重要的关键词赋予较大的权重.经过实验测试,获得了一种基于子空间变量自动加权的适合文本数据聚类分析的改进算法,它不仅可以在大规模、高维和稀疏的文本数据上有效地进行聚类,还能够生成质量较高的聚类结果.实验结果表明基于子空间变量自动加权的K-均值文本聚类算法是有效的大规模文本数据聚类算法.
推荐文章
基于优化初始中心的加权K-均值彩色图像聚类算法分析
彩色图像
聚类算法
加权K-均值
优化初始中心
图像分割
试验分析
基于样本空间分布密度的初始聚类中心优化K-均值算法
关键词
聚类
K-均值聚类
初始中心
邻域
样本分布密度
基于差分演化的K-均值聚类算法
聚类
差分演化算法
K-均值
基于层次的K-均值聚类
聚类
代价函数
层次
K-均值聚类
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于子空间变量自动加权的K-均值文本聚类算法的研究
来源期刊 计算机应用与软件 学科 工学
关键词 文本聚类 K-均值 变量加权 子空间
年,卷(期) 2008,(8) 所属期刊栏目 算法
研究方向 页码范围 251-253
页数 3页 分类号 TP3
字数 2564字 语种 中文
DOI 10.3969/j.issn.1000-386X.2008.08.092
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 Ning Tao 大连交通大学软件学院 1 2 1.0 1.0
2 晋博晨 大连交通大学软件学院 1 2 1.0 1.0
3 Song Cunli 大连交通大学软件学院 1 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (8)
共引文献  (15)
参考文献  (4)
节点文献
引证文献  (2)
同被引文献  (1)
二级引证文献  (2)
1974(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(2)
  • 二级参考文献(0)
2005(2)
  • 参考文献(2)
  • 二级参考文献(0)
2008(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2013(2)
  • 引证文献(2)
  • 二级引证文献(0)
2015(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
文本聚类
K-均值
变量加权
子空间
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用与软件
月刊
1000-386X
31-1260/TP
大16开
上海市愚园路546号
4-379
1984
chi
出版文献量(篇)
16532
总下载数(次)
47
总被引数(次)
101489
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导