特征加权距离与软子空间学习相结合的文本聚类新方法

• 作者: 王士同 王骏 邓赵红
• 来源期刊: 计算机学报
• 学科: 工学
• 关键词: 模糊聚类 文本聚类 软子空间 特征加权距离 全局收敛性
• 年，卷（期）: 2012,（8）
• 所属期刊栏目: 研究论文与技术报告
• 页码范围: 1655-1665
• 分类号: TP311
• 字数: 9362字
• 语种: 中文
• DOI: 10.3724/SP.J.1016.2012.01655

摘要

文本数据维数高、数据分布稀疏、不同类别的特征相互重叠,这为聚类分析提出了挑战.针对文本数据的这一特点,将特征加权技术与软子空间相结合,基于模糊聚类的算法框架,提出了一种适用于高维文本数据的软子空间模糊聚类新方法.首先,基于加权范数理论,提出了新的特征加权距离计算方法.接着,将其与软子空间学习的理论框架相结合,提出了面向模糊聚类的新的目标学习准则.通过向约束条件中引入熵指数r,从而扩展了模糊指数m的取值范围,并给出了物理解释.基于Zangwill收敛定理对算法的全局收敛性给出理论证明.实验表明,文中算法可以使软子空间学习和聚类分析同时进行,其性能比现有的相关算法有了较大的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王士同	江南大学数字媒体学院	528	3424	23.0	37.0
2	王骏	江南大学数字媒体学院	49	553	8.0	23.0
3	邓赵红	江南大学数字媒体学院	86	764	11.0	26.0