基于TFIDF-GA特征選擇的文本模糊聚類方法研究.pdf

1、分類號：密級：UDC：學號：406107611089南昌大學碩士研究生學位論文基于基于TFIDFGA特征選擇的文本模糊聚類方法研究特征選擇的文本模糊聚類方法研究StudyonTextFuzzyClusteringMethodBasedontheImprovedFeatureionwithTFIDFGA鄧高超培養(yǎng)單位（院、系）：信息工程學院指導教師姓名、職稱：陶俊才教授申請學位的學科門類：工學學科專業(yè)名稱：計算機軟件與理論論文答辯日期：2

2、014年5月24日答辯委員會主席：_____________評閱人：_______________年月日摘要摘要文本聚類是在沒有文本類別標記的情況下對文本進行分類，使同類別的文本間相似度盡可能大，不同類別的文本間相似度盡可能小。而今，隨著信息的爆炸式增長以及學科類別間的交叉滲透，文本日益大量化和多樣化，文本的類別隸屬度界限越來越不明確。于是，文本模糊聚類漸漸成為文本聚類的另一個研究方向。本文從特征選擇和模糊C均值算法兩個方面對文本模糊聚

3、類進行研究：1、無監(jiān)督特征選擇方法。特征選擇方法主要有過濾式、封裝式和嵌入式三種，本文結合過濾式和封裝式方法，即詞頻反文檔頻率（TermFrequencyInverseDocumentFrequency，TFIDF）算法和遺傳算法（GeicAlgithm，GA）相結合，提出基于TFIDFGA的無監(jiān)督特征選擇方法。該方法通過改進后的TFIDF公式計算特征權重，然后根據選擇規(guī)則得到初始特征子集，將該特征子集作為遺傳算法的初始種群進行迭代搜索

4、。初始特征子集能夠為遺傳算法提供較好的搜索起點，加快搜索速度，同時遺傳算法的自適應全局搜索能力能夠啟發(fā)式搜索到具有很強分類能力卻沒有包含在初始特征子集中的特征。2、模糊C均值聚類算法。模糊C均值聚類算法（FuzzyCMeans，FCM）在基于目標的模糊聚類算法中應用最為廣泛。本文對FCM算法進行改進，使用密度參數初始化聚類中心，能在一定程度上降低由于初始聚類中心選取的隨機性對算法產生的誤差；在FCM算法的約束條件中引入信息熵，更好地描述