基于类内距离参数估计的文本聚类评价方法

• 作者: 张荣杰 牛奉高
• 来源期刊: 山西大学学报（自然科学版）
• 学科: 数学
• 关键词: 类内距离 极大似然估计 聚类评价 K-means算法 聚类调整
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 基础数学与应用数学
• 页码范围: 256-266
• 页数: 11页
• 分类号: C8|O213
• 字数: 9154字
• 语种: 中文
• DOI: 10.13451/j.cnki.shanxi.univ(nat.sci.).2018.02.002

摘要

基于类内距离参数估计的文本聚类评价方法是在类内距离近似服从正态分布的基础上,运用极大似然估计方法对类内距离分布函数的参数进行估计,然后基于估计的结果确定类内距离的合理取值范围,对超过范围的文本向量依据类内距离大小依次进行调整,并利用聚类评价指标来验证最终调整结果.在实验部分文章通过使用基于类内距离参数估计的文本聚类评价方法对K-means算法生成的聚类结果进行调整,一方面验证了在聚类类别数过小或与真实类别数相同时,该方法的可行性;另一方面减弱了初始类中心的选取对K-means算法的影响,提高了聚类结果的准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	牛奉高	山西大学数学科学学院	22	109	6.0	10.0
2	张荣杰	山西大学数学科学学院	1	1	1.0	1.0