基于模糊C均值算法在文本聚類(lèi)中的研究與實(shí)現(xiàn).pdf

1、在互聯(lián)網(wǎng)中，以新聞為代表的文本信息正在高速增長(zhǎng)，如何實(shí)施有效的文本聚類(lèi)算法是數(shù)據(jù)挖掘領(lǐng)域的研究熱點(diǎn)。模糊聚類(lèi)建立了樣本對(duì)類(lèi)別的不確定描述，能更客觀地反應(yīng)現(xiàn)實(shí)世界，從而成為聚類(lèi)分析的主流。模糊C均值算法是基于目標(biāo)函數(shù)的模糊聚類(lèi)理論中應(yīng)用最為廣泛的一種算法。但是，模糊C均值算法本身也存在一些缺陷，比如聚類(lèi)個(gè)數(shù)需要事先給定，算法對(duì)初始聚類(lèi)中心敏感等。
　　 針對(duì)模糊C均值算法存在的問(wèn)題，主要完成以下三方面的研發(fā)工作:
　　 1

2、)提出了毗鄰群的概念，可以根據(jù)需要有效地降低數(shù)據(jù)的規(guī)模。
　　 2)引入了聚類(lèi)有效性評(píng)價(jià)模型作為評(píng)判聚類(lèi)劃分的綜合指標(biāo)，同時(shí)用遺傳算法優(yōu)化聚類(lèi)中心，通過(guò)迭代可以確定模糊C均值算法所需的初始C值和最佳的初始聚類(lèi)中心。
　　 3)將毗鄰群和粘合度概念及其算法用于修正模糊C均值算法的隸屬函數(shù)矩陣，加快了模糊C均值算法的收斂速度。
　　 本文基于提出的改進(jìn)型模糊C均值算法，設(shè)計(jì)和實(shí)現(xiàn)了一個(gè)中文文本聚類(lèi)系統(tǒng)，并選取搜狗實(shí)驗(yàn)