2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩61頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、文本聚類技術是一門很熱門且有前景的技術,由于具有無監(jiān)督學習的特性,在文本挖掘領域文本聚類的核心思想相對來說比較簡單易懂。文本聚類可分為三個大部分:文本預處理、文本表示模型以及聚類算法設計,其中文本表示模型和聚類算法設計這兩大部分在現(xiàn)今是很熱門的研究方向。文本表示模型影響著將自然語言表示的文本轉(zhuǎn)化成計算機可識別可計算的數(shù)學模型的準確性,而聚類算法的設計影響著文本聚類最終結(jié)果的質(zhì)量,國內(nèi)外很多學者主要從這兩方面對文本聚類進行研究和改進。在常

2、用的聚類算法中,K-means算法的運用相對較廣泛,然而傳統(tǒng)的K-means算法沒有穩(wěn)定的運行結(jié)果,且對文本型的數(shù)據(jù)要求更高,因此,對K-means算法的研究和改進受到了國內(nèi)外學者的重視。
  本文重點分析和研究了k平均值(K-means)算法-最常用的聚類算法。通過分析K-means算法的主要缺點,提出了一個基于數(shù)據(jù)樣本分布,計算聚類數(shù)和初始聚類中心的算法,定義為N-KMEANS算法。在該算法中,還引用了AP聚類算法以定位聚類數(shù)

3、的取值范圍,然后計算數(shù)據(jù)樣本的平均距離,再計算所有數(shù)據(jù)點以平均距離為半徑的鄰域中所包含的點的數(shù)目,可稱為點的密度,最后根據(jù)聚類數(shù)的取值范圍和點與點之間的距離選擇密度較大的點作為聚類開始的簇中心,同時可確定具體的聚類數(shù)。繼而使用Iris和Balance-Scale數(shù)據(jù)集分別對傳統(tǒng)K-means聚類算法和本文提出的N-KMEANS聚類算法進行實驗,來比對這兩者的聚類質(zhì)量,驗證了本文提出的N-KMEANS聚類算法具有較高的有效性和穩(wěn)定性。

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論