基于均值密度中心估计的k-means聚类文本挖掘方法

• 作者: 张爱科 符保龙
• 来源期刊: 重庆邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: 数据挖掘 文本挖掘 均值密度 聚类中心 奇异点
• 年，卷（期）: 2014,（1）
• 所属期刊栏目: 计算机与自动化
• 页码范围: 111-116
• 页数: 6页
• 分类号: TP391
• 字数: 4228字
• 语种: 中文
• DOI: 10.3979/j.issn.1673-825X.2014.01.019

摘要

文本挖掘作为数据挖掘的重要研究领域,是检索有用文本信息的重要手段.通过对K-means聚类挖掘方法的基本原理和实现步骤的分析,发现随机选择聚类中心迭代初值、奇异点问题是制约其发展的技术瓶颈,针对该方法的不足,提出了一种基于均值密度中心估计的K-means聚类文本挖掘方法,采用基于均值密度的聚类中心初值估算取代原有方法的随机选取模式,设计自适应的邻域形状选择机制,用均值密度配合阈值消除奇异点.实验结果表明,提出的方法提高了K-means聚类方法的文本挖掘性能,使得文本挖掘查准率得到很大的提高,不仅强于一般K-means均值聚类方法,且和新近流行的自组织神经网络聚类方法相比也具有一定的优势.

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
2	符保龙		40	171	8.0	11.0