版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、隨著文本數據的急劇增長,文本聚類方法已成為大家關注的熱點。文本數據常用文檔-詞矩陣表示,基于這種表示方法大多數傳統(tǒng)的聚類算法采用單向聚類方法,即要么只是對文檔進行聚類,要么只是對詞進行聚類,忽略了文檔與詞之間的相互關系?;谛畔⒄摰膮f(xié)同聚類算法 ITCC(Information Theoretic Co-clustering algorithm)將文檔-詞矩陣看作一個聯合概率分布,以最小化初始變量和聚類后的變量間的互信息損失為目標函數,
2、同時對文檔和詞進行聚類。這種方法從信息論的角度捕獲了文檔和詞之間的自然關系,對高維稀疏的文本數據起到很好的聚類效果。
本文在分析了協(xié)同聚類算法的優(yōu)缺點的基礎上,提出了一些改進方案,并進行了大量的實驗分析,完成了以下研究工作:
?。?)本文提出了層次協(xié)同聚類算法HITCC(Hierarchical Information Theoretic Co-clustering),該算法結合了分裂的層次聚類的思想,將每一層的節(jié)點分
3、裂都看作一次協(xié)同聚類過程,而且在節(jié)點分裂時基于父親節(jié)點的協(xié)同聚類結果對文檔和詞同時分裂,然后使用互信息或者卡方檢驗的方法作為停止條件控制樹的增長。此方法不僅能發(fā)現存在子空間的簇,而且可以顯示簇與簇之間的層次關系,另外也避免了協(xié)同聚類算法確定行簇和列簇數目的問題。通過實驗證明,HITCC算法可以獲得比平面的協(xié)同聚類算法更好的聚類效果,而且與當前經典的文本層次聚類算法的效果相當,甚至更好。
?。?)本文基于HITCC算法又提出了其改
4、進算法——基于模型選擇的層次式聚類算法MS-HITCC(Model Selection-HITCC)。該算法在層次樹的每一層只是按照協(xié)同聚類結果對文檔進行分裂,保留父親節(jié)點所有的詞。在進入下一層協(xié)同聚類前,使用特征選擇的方法選擇一部分詞進行聚類。這樣的操作可以在分裂過程中保留重要詞的信息,有利于聚類過程的進行?;诖瞬僮鳎琈S-HITCC算法將多項式混合模型應用于層次式協(xié)同聚類方法中,并且使用AIC或者BIC的方法進行模型選擇,從而避免
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,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,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
- 協(xié)同聚類及集成的關鍵技術研究.pdf
- 面向文本的協(xié)同聚類集成研究.pdf
- 基于MapReduce的可擴展協(xié)同聚類算法的研究與實現.pdf
- 基于信息論的特征加權和主題驅動協(xié)同聚類算法研究.pdf
- 并行層次聚類技術研究.pdf
- 基于劃分和層次的聚類算法關鍵技術研究.pdf
- 基于協(xié)同聚類的支持向量機分類方法的研究.pdf
- 層次聚類算法的研究及應用.pdf
- 基于聚類專家選擇的協(xié)同過濾推薦算法研究.pdf
- 選擇性協(xié)同頻譜感知技術研究.pdf
- 模型自動選擇聚類算法的研究與應用.pdf
- 分布式協(xié)同CAPP技術研究.pdf
- 半監(jiān)督層次協(xié)同文本聚類研究.pdf
- 面向服裝流行色預測的層次協(xié)同演化模型與算法研究.pdf
- 分布式協(xié)同產品開發(fā)及支撐技術研究.pdf
- 多層次語義視頻對象描述模型及提取技術研究.pdf
- 保險索賠系統(tǒng)的協(xié)同容錯層次模型研究.pdf
- 偵察衛(wèi)星引導式協(xié)同任務規(guī)劃模型與算法研究.pdf
- 協(xié)同視覺選擇注意計算模型研究.pdf
- 面向DoS攻擊的層次式防范技術研究.pdf
評論
0/150
提交評論