聚类模式下一种优化的K-means文本特征选择

• 作者: 刘守生 刘海峰 张学仁
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 特征选择 聚类 K均值 文本分类
• 年，卷（期）: 2011,（1）
• 页码范围: 195-197
• 分类号: TP391
• 字数: 4857字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-137X.2011.01.045

摘要

文本特征降维是文本自动分类的核心技术.K-means方法是一种常用的基于划分的方法.针对该算法对类中心初始值及孤立点过于敏感的问题,提出了一种改进的K-means算法用于文本特征选择.通过优化初始类中心的选择模式及对孤立点的剔除,改善了文本特征聚类的效果.随后的文本分类试验表明,提出的改进K-means算法具有较好的特征选择能力,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	张学仁	解放军理工大学理学院	18	177	10.0	13.0
2	刘海峰	解放军理工大学理学院	64	473	14.0	19.0
3	刘守生	解放军理工大学理学院	50	311	10.0	15.0