已閱讀1頁，還剩63頁未讀， 繼續(xù)免費閱讀
版權(quán)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(quán)，請進行舉報或認領(lǐng)
文檔簡介
1、文本聚類屬于無監(jiān)督的機器學習方法，是自然語言處理領(lǐng)域的一大研究熱點，已成為文本信息進行有效地組織、摘要和導(dǎo)航的必要環(huán)節(jié)。譜聚類是目前研究比較多、應(yīng)用十分廣泛的一種聚類算法，譜圖劃分理論是建立譜聚類算法的理論基礎(chǔ)，譜算法與k均值、EM算法等傳統(tǒng)的聚類分析算法相比，它能夠辨認非凸狀空間分布的樣本數(shù)據(jù)，即譜算法可以在任意形狀分布的樣本空間上進行聚類，且易得到全局最優(yōu)解。
論文詳細地描述了文本聚類的關(guān)鍵技術(shù)、譜聚類方法的理論基礎(chǔ)和經(jīng)典
2、的譜聚類算法等內(nèi)容，在深入研究譜聚類算法相關(guān)的國內(nèi)外文獻的基礎(chǔ)上，以構(gòu)造相似矩陣為切入點對傳統(tǒng)的譜聚類算法提出改進方法。
傳統(tǒng)譜聚類算法在構(gòu)造相似矩陣時大多使用基于距離度量文本間相似性，論文分析了這種方法存在缺陷，探究了基于 K近鄰的相似性度量方法，并將其引入譜聚類算法中，提出KNNSC算法。另外，針對傳統(tǒng)譜聚類算法對輸入數(shù)據(jù)順序敏感的問題，論文提出利用粒子群優(yōu)化算法執(zhí)行譜聚類算法最后的k-means聚類步驟，將粒子群優(yōu)化算法
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(quán)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(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)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(quán)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。
最新文檔
- 譜聚類算法研究及其在文本聚類中的應(yīng)用.pdf
- 基于Spark的文本譜聚類算法并行化研究.pdf
- 結(jié)合LSA的文本譜聚類算法研究.pdf
- 基于DBSCAN的文本聚類算法研究.pdf
- 基于NMF算法的文本聚類研究.pdf
- 基于Hadoop平臺的譜聚類算法研究.pdf
- 核聚類算法研究及其在文本聚類中的應(yīng)用.pdf
- 基于模糊聚類算法的文本挖掘.pdf
- 譜聚類算法的改進.pdf
- 基于云計算的文本聚類算法研究.pdf
- 基于hSync算法的文本聚類方法研究.pdf
- 基于語義的短文本聚類算法研究.pdf
- 基于計算智能的文本聚類算法研究.pdf
- 基于文本聚類的特征選擇算法研究.pdf
- 基于語義距離的文本聚類算法研究.pdf
- 基于層次聚類的模糊聚類算法的研究.pdf
- 基于歸一化壓縮距離的文本譜聚類算法研究.pdf
- 譜聚類算法研究和應(yīng)用.pdf
- 模糊譜聚類分割策略在文本聚類中的應(yīng)用研究.pdf
- 半監(jiān)督譜聚類算法的研究
評論
0/150
提交評論