基于代表點的數(shù)據(jù)和文本聚類新方法的研究.pdf

1、聚類是一種有效的數(shù)據(jù)挖掘和文本挖掘方法。進一步改進聚類算法，提高聚類的性能，使其更加適合數(shù)據(jù)和文本挖掘技術(shù)的要求，具有重要的理論和實踐意義。本文對聚類算法中涉及代表點的密度聚類和層次聚類的問題進行了深入研究，提出了基于代表點和密度的聚類方法和基于代表點的文本層次聚類方法，主要包括以下兩個內(nèi)容： 提出一種新的高效的基于代表點和密度的聚類方法。該方法首先尋找可以反映數(shù)據(jù)空間的幾何特征的代表點，然后計算每個代表點的密度，再按照本文提出

2、的一種新的距離公式計算每兩個代表點之間的距離。距離值最小的兩個代表點為鄰接代表點，用無向圖來描述生成的代表點集，并利用圖的廣度優(yōu)先搜索算法將處于同一連通子圖中的代表點找出來，從而得到聚類結(jié)果。其中新的距離公式考慮到代表點的密度和它們之間的距離同樣重要，故將密度信息加入到距離計算之中，從而使聚類結(jié)果更加精確。與傳統(tǒng)的數(shù)據(jù)聚類方法相比，該方法無需預(yù)先給出類的個數(shù)，只需一個密度閾值e，參數(shù)設(shè)置非常簡單且對聚類結(jié)果影響很??；算法運行效率高，具有