已閱讀1頁，還剩103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、為解決文本聚類中的參數(shù)設(shè)置問題,本文提出并實現(xiàn)了支持典型文本聚類算法中參數(shù)自動設(shè)置的算法.首先,在特征選取方面,本文提出了"最大序列頻繁詞組"的概念,并通過挖掘最大序列頻繁詞組獲取文本特征,以克服最常用的TFIDF方法忽略了詞與詞之間關(guān)系的缺點,使抽取的特征表示文本內(nèi)容的準(zhǔn)確程度大大提高.在使用K-Means進行文本聚類的研究中,針對K-Means算法在文本聚類中的缺點,本文提出了利用對多次取樣聚類以確定參數(shù)K的方法,使得參數(shù)確定過程自
2、動化;同時在K-Means方法中引入了衰減因子,在劃分過程中動態(tài)地改變簇均值,以提高聚類質(zhì)量.為了克服K-Means方法對孤立點敏感性的缺點,并進一步提高聚類的質(zhì)量和時間效率,本文將基于密度的聚類算法應(yīng)用于文本對象之上.在基于密度的文本聚類算法中,提出了一種利用曲線擬合自動確定參數(shù)的方法,利用自動參數(shù)確定技術(shù),對簇進行收縮以得到細化簇.實驗表明,參數(shù)自動設(shè)置技術(shù)使文本聚類過程更加自動化,同時提高了文本聚類的質(zhì)量和效率,產(chǎn)生了更好的聚類結(jié)
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(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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
- 文本聚類算法的參數(shù)設(shè)置問題研究.pdf
- 自動文本聚類系統(tǒng)的研究與實現(xiàn).pdf
- 基于潛在語義的文本自動聚類系統(tǒng)的研究與實現(xiàn).pdf
- 基于詞嵌入文本聚類技術(shù)的研究與實現(xiàn).pdf
- 文本挖掘中聚類技術(shù)的研究.pdf
- 模糊聚類算法及其在中文文本聚類中的研究與實現(xiàn).pdf
- 中文文本聚類的研究與實現(xiàn).pdf
- 基于文本聚類技術(shù)的郵件分類系統(tǒng)的研究與實現(xiàn).pdf
- 基于AP算法的文本聚類研究與實現(xiàn).pdf
- 基于遺傳的文本軟聚類研究與實現(xiàn).pdf
- 中文文本聚類算法的研究與實現(xiàn).pdf
- 中文文本自動聚類系統(tǒng)的研究.pdf
- 基于模糊C均值算法在文本聚類中的研究與實現(xiàn).pdf
- 基于文本相似度計算的文本聚類算法研究與實現(xiàn).pdf
- 文本聚類算法的語義性改進與實現(xiàn).pdf
- 基于內(nèi)存計算的文本聚類算法的研究與實現(xiàn).pdf
- 核聚類算法研究及其在文本聚類中的應(yīng)用.pdf
- 組合聚類方法在文本聚類中的應(yīng)用研究.pdf
- 基于微博平臺的文本聚類研究與實現(xiàn).pdf
- 基于向量空間的文本聚類方法與實現(xiàn).pdf
評論
0/150
提交評論