点密度优选中心最大熵核FCM文本聚类算法  

Maximum entropy kernel FCM text clustering algorithm by optimal center choice with point density

作　　者：吴陈[1] 许友权[1] 

机构地区：[1]江苏科技大学计算机科学与工程学院,江苏镇江212003

出　　处：《计算机工程与设计》2016年第9期2411-2415,共5页Computer Engineering and Design

基　　金：国家自然科学基金项目(61100116);江苏省研究生创新计划基金项目(CXZZ13_0722)

摘　　要：为克服聚类算法对初始聚类中心选取敏感这一缺点,结合文本样本集中各个词所处位置不同而具有不同重要程度(权值)可客观反映文本数据本来特征的特点,提出一个考虑样本点分布密度优选初始聚类中心的最大熵核FCM算法(WKMEFCM)。实验结果表明,该算法与C均值方法、模糊C均值方法 FCM、最大熵核FCM相比,其聚类结果更加稳定、准确,聚类效果更好。To overcome the weakness of the sensitivity of clustering algorithms in selecting initial clustering centers,combining that words in text sample set locating in different positions have different importance（weights）and may reflect native characteristics of text data objectively,a maximum entropy kernel fuzzy text clustering algorithm（WKMEFCM）was proposed by optimally choosing initial centers based on sample distribution density.Experimental results show that the algorithm is more stable,accurate and effective compared with the C-means clustering algorithm,fuzzy C-means clustering algorithm FCM and maximal entropy and kernel FCM algorithm.

关 键 词：核方法 最大熵 特征权重 潜在语义索引 文本聚类 

分 类 号：TP301.6[自动化与计算机技术—计算机系统结构]