基于改进的最大熵均值聚类方法在文本分类中的应用

• 作者: 张爱科
• 来源期刊: 计算机应用研究
• 关键词: 文本分类 最大熵 C-均值聚类 特征选择
• 年，卷（期）: 2012,（4）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 1297-1299
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2012.04.026

摘要

针对传统的文本分类算法存在着各特征词对分类的结果影响相同、分类准确率较低、造成算法时间复杂度增加的问题,提出了一种改进的最大熵C-均值聚类文本分类方法.该方法充分结合了C-均值聚类和最大熵值算法的优点,以香农熵作为最大熵模型中的目标函数,简化分类器的表达形式,然后采用C-均值聚类算法对最优特征进行分类.仿真实验结果表明,与传统的文本分类方法相比,提出的方法能够快速得到最优分类特征子集,大大提高了文本分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张爱科		35	119	6.0	9.0