譜聚類算法研究及其在文本聚類中的應(yīng)用.pdf

1、譜聚類作為一類新興的、高性能的聚類方法，目前已成為國(guó)際上機(jī)器學(xué)習(xí)領(lǐng)域的研究熱點(diǎn)。與傳統(tǒng)的聚類算法相比，它能在任意形狀的樣本空間上聚類，且收斂于全局最優(yōu)解。本文在深入研究譜聚類算法的基礎(chǔ)上，對(duì)算法提出改進(jìn)方案，設(shè)計(jì)實(shí)現(xiàn)了基于新算法的中文文本聚類系統(tǒng)。
　　 本文研究?jī)?nèi)容主要包括以下幾個(gè)方面:
　　 (1)鑒于離散化作為預(yù)處理步驟在數(shù)據(jù)挖掘過程中的重要作用，將離散化與密度敏感的譜聚類相結(jié)合，提出DSSCCAT算法。先對(duì)數(shù)據(jù)歸

2、一化和離散化，再通過海明距離衡量數(shù)據(jù)點(diǎn)間的距離，在此基礎(chǔ)上構(gòu)造密度敏感的相似性度量，并引入譜聚類中。實(shí)驗(yàn)驗(yàn)證了離散化與密度敏感的譜聚類相結(jié)合的可行性。
　　 (2)針對(duì)DSSCCAT算法初始值敏感問題，引入干細(xì)胞優(yōu)化(SCO)算法，在聚類空間中尋找全局最優(yōu)解作為聚類初始值，提出SCO-DSSCCAT算法。實(shí)驗(yàn)結(jié)果表明，SCO-DSSCCAT具有對(duì)尺度參數(shù)不敏感、收斂性能優(yōu)以及聚類穩(wěn)定性高的優(yōu)勢(shì)。
　　 (3)針對(duì)密度敏感