一种基于模糊聚类的文本挖掘新方法  

New fuzzy clustering algorithm in text mining

作　　者：李清峰[1,2] 周伟林[1,2] 何静[1] 丁小玲[1] 

机构地区：[1]湖南商学院计算机与电子工程系,长沙410205 [2]国防科学技术大学计算机学院,长沙410073

出　　处：《计算机应用研究》2009年第12期4453-4456,共4页Application Research of Computers

基　　金：国家自然科学基金资助项目(60573057);湖南省自然科学基金资助项目(06JJ5110)

摘　　要：提出了一种新的动态模糊自组织神经网络模型(TGFCM),并将其用于文本聚类中。针对传统模糊自组织神经网络需要预先确定聚类数的问题,TGFCM采用了可自动确定聚类数的动态自组织神经网络(TGSOM)的结构,在TGSOM网络结构中提出新的学习率计算式,并以模糊聚类中心作为TGFCM网络中对应的神经元的权值,从而提高了聚类的精度,并可提高收敛速度。This paper proposed a new model of dynamic fuzzy Kohonen neural network（TGFCM）,which was applied to the text clustering.TGFCM adopted the structure of the dynamics self-organization maps（TGSOM） which could determine the number of clustering automatically.Proposed a new calculation formula of the learning rate of TGSOM in the TGFCM.TGFCM used fuzzy clustering central vectors as the corresponding neuron weights.Both improved the precision of clustering and the rate of convergent of the network.

关 键 词：文本聚类 动态自组织神经网络 模糊聚类 动态模糊自组织神经网络模型 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]