一种改进的K均值文本聚类算法

被引：18

作者：

安计勇 ^{[1
]}

高贵阁 ^{[2
]}

史志强 ^{[2
]}

孙磊 ^{[3
]}

机构：

[1] 中国矿业大学计算机科学与技术学院

[2] 部队

[3] 中国矿业大学图文信息中心

来源：

传感器与微系统 | 2015年 / 34卷 / 05期

基金：

高等学校博士学科点专项科研基金;

关键词：

簇密度; K均值; 置信半径; 海明距离; 轮廓系数;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

摘要：

提出了一种改进的K均值文本聚类算法。该算法的改进基于以下两点:1)基于簇密度与文本间距离选取初始簇中心,引入置信半径来得到簇密度,即选取距离最远且簇密度最大的点为初始簇中心;2)基于权重的海明距离来计算文本相似度,同时采用轮廓系数来衡量不同算法的聚类质量。实验结果表明:该算法相比原始的K均值文本聚类算法和文献[1]中算法具有更好的聚类质量。

引用

收藏

页码：130 / 133

页数：4

相关论文

共 5 条

[1] 最大距离法选取初始簇中心的K-means文本聚类算法的研究 [J].

翟东海 ;

鱼江 ;

高飞 ;

于磊 ;

丁锋 .

计算机应用研究, 2014, 31 (03) :713-715+719

[2] 基于改进海明距离的二元表示聚类研究 [J].

姜士强 ;

杨济亭 ;

任芹玉 .

信息技术, 2013, 37 (04) :88-91

[3] 一种有效的K-means聚类中心初始化方法 [J].

熊忠阳 ;

陈若田 ;

张玉芳 .

计算机应用研究, 2011, 28 (11) :4188-4190

[4] 基于节点数据密度的分布式K-means聚类算法研究 [J].

张科泽 ;

杨鹤标 ;

沈项军 ;

蒋中秋 .

计算机应用研究, 2011, 28 (10) :3643-3645+3655

[5] 基于最优划分的K-Means初始聚类中心选取算法 [J].

张健沛 ;

杨悦 ;

杨静 ;

张泽宝 .

系统仿真学报, 2009, (09) :2586-2590