基于自编码神经网络的Single-Pass聚类事件识别算法

• 作者: 戴龙龙 李芳 李顺子 江志英
• 来源期刊: 北京化工大学学报（自然科学版）
• 学科: 工学
• 关键词: 主题追踪 自编码神经网络 Single-Pass聚类算法
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 机电工程和信息科学
• 页码范围: 81-86
• 页数: 6页
• 分类号: TP391.1
• 字数: 4775字
• 语种: 中文
• DOI: 10.13543/j.bhxbzr.2017.02.013

摘要

针对传统Single-Pass聚类算法存在的缺陷,提出了一种基于自编码神经网络的Single-Pass聚类算法.通过多个深层的隐藏层对原始数据进行降维,以更好地提取出原始数据的特征信息;并通过对边缘文本重计算来降低误检率,提高聚类精度.实验结果表明,该算法相比传统Single-Pass算法具有更高的聚类准确度,解决了聚类结果受数据顺序影响的问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李芳	北京化工大学信息科学与技术学院	16	111	5.0	10.0
2	戴龙龙	北京化工大学信息科学与技术学院	2	0	0.0	0.0
3	江志英	北京化工大学信息科学与技术学院	2	11	1.0	2.0
4	李顺子	北京化工大学信息科学与技术学院	1	0	0.0	0.0