一种基于改进K-means聚类的文本特征选择模型

• 作者: 刘守生 刘海峰 姚泽清 张学仁
• 来源期刊: 微电子学与计算机
• 关键词: 特征选择 特征降维 特征聚类 文本分类
• 年，卷（期）: 2009,（6）
• 页码范围: 29-31,35
• 页数: 4页
• 分类号: TP391
• 语种: 中文

摘要

介绍了文本聚类中基于划分的方法,针对该算法对孤立点的过于敏感问题,提出了一种用于特征选择的算法改进模型,通过对特征集里孤立点的剔除改善了特征聚类效果.随后的文本分类试验表明,提出的改进的算法具有较好的特征选择效果,文本分类的效率较高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姚泽清	解放军理工大学理学院	54	344	12.0	15.0
2	张学仁	解放军理工大学理学院	18	177	10.0	13.0
3	刘海峰	解放军理工大学理学院	64	473	14.0	19.0
4	刘守生	解放军理工大学理学院	50	311	10.0	15.0