面向线性文本的K-means聚类算法研究

• 作者: 文必龙 李菲 马强
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 线性文本 组织结构 随机均匀取点 等距点归类 K-means算法
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 53-58
• 页数: 6页
• 分类号: TP301.6
• 字数: 4677字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2018.09.012

摘要

鉴于线性文本内容组织形式的有序性,将有序的主题内容进行正确的划分,用于挖掘文本中隐藏的信息、知识,是一个值得研究的问题.同时,传统的K-means聚类算法在对线性文本进行聚类时,会造成计算复杂度增加以及无穷迭代或聚类结果混乱等一系列问题.针对以上问题,对传统的K-means算法进行研究,将随机初始化中心点的算法进行改进,提出一种随机均匀初始化中心点算法.该算法充分考虑线性文本的组织结构特性,随机化第一个中心点后,均匀地确定其他中心点,保证了文本子主题的完整划分;与此同时,又采用了设定约束规则的等距点归类法,实现文本迭代次数限制下的自动归类.实验结果表明,该算法在对线性文本进行聚类时,可以有效减少迭代次数并提高聚类精度,最终获得较好的聚类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	文必龙	东北石油大学计算机与信息技术学院	37	124	7.0	8.0
2	马强	东北石油大学计算机与信息技术学院	8	8	2.0	2.0
3	李菲	东北石油大学计算机与信息技术学院	3	2	1.0	1.0