一种用于文本聚类的改进k-means算法

被引：33

作者：

索红光 ^{[1
]}

王玉伟 ^{[2
]}

机构：

[1] 北京理工大学计算机科学技术学院

[2] 中国石油大学计算机与通信工程学院

来源：

山东大学学报(理学版) | 2008年 / 01期

关键词：

文本聚类; k-means; 向量空间模型; 局部迭代;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

081202 ;

摘要：

k-means是目前常用的文本聚类算法,针对其最终搜索的局部极值与全局最优解偏差较大的缺点,采用一种基于局部搜索优化的思想来改进算法,并推导出目标函数的变化公式。根据目标函数值的改变对聚类结果作再次划分后,继续k-means迭代,拓展其搜索范围。理论分析和实验结果表明修改后的算法能有效地提高聚类的质量,且计算复杂度仍与数据集文本总数呈线性变化。

引用

页码：60 / 64

页数：5

共 4 条

[1] 文档聚类综述 [J].