模糊聚類算法及其在文本挖掘中的應(yīng)用.pdf

1、聚類分析是機(jī)器學(xué)習(xí)中很重要的一個(gè)研究領(lǐng)域。聚類分析所涉及的領(lǐng)域包括：數(shù)據(jù)挖掘、統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)、空間數(shù)據(jù)庫技術(shù)、生物學(xué)等。由于各應(yīng)用數(shù)據(jù)庫所包含的數(shù)據(jù)量越來越大，聚類分析已成為數(shù)據(jù)挖掘研究中一個(gè)非?；钴S的研究課題。在眾多聚類算法中，模糊聚類算法是最常用的算法之一。至今，文獻(xiàn)中仍然不斷有新的模糊聚類算法出現(xiàn)。 本文對(duì)基于劃分的模糊聚類算法進(jìn)行了研究，從理論上證明了Lee's算法并不是FCM算法的改進(jìn)算法，應(yīng)該屬于PCM型算法。屬性

2、選擇和加權(quán)是聚類分析中另一個(gè)重要的研究課題。本文提出了一種新的基于屬性加權(quán)的模糊C均值聚類算法。之后又給出了使用該算法時(shí)的參數(shù)選擇理論規(guī)則。 除此以外，本文還對(duì)聚類分析的應(yīng)用領(lǐng)域—文本挖掘進(jìn)行了研究。將文中所提出的新算法應(yīng)用于文本，并對(duì)實(shí)驗(yàn)結(jié)果做了分析。全文共分六章，各章的主要內(nèi)容如下： 第一章介紹了聚類的定義、分類情況以及與本文聯(lián)系較為密切的兩種基于劃分的聚類算法。確定本文的研究范圍和基本框架。 第二章在對(duì)PC

3、M型算法介紹之后，對(duì)一種模糊聚類算法進(jìn)行了深入研究，從理論上證明了該算法的正確歸類。 第三章首先介紹了屬性加權(quán)聚類算法的研究現(xiàn)狀，尤其是對(duì)兩種屬性加權(quán)C均值算法進(jìn)行了詳細(xì)介紹。在此基礎(chǔ)上，提出了一種新的屬性加權(quán)的模糊C均值聚類算法，并對(duì)該算法目標(biāo)函數(shù)的海森矩陣進(jìn)行分析，得出使用該算法時(shí)的參數(shù)選擇規(guī)則。之后，對(duì)屬性加權(quán)模糊C均值算法和前文重點(diǎn)介紹的兩種加權(quán)聚類算法進(jìn)行了實(shí)驗(yàn)比較。 第四章介紹了文本挖掘的一些基本概念和常用技

4、術(shù)。具體分析了文本挖掘尤其是文本聚類的研究意義。重點(diǎn)介紹了文本挖掘中的預(yù)處理步驟和策略，對(duì)自動(dòng)分詞、特征表示以及特征提取進(jìn)行了詳細(xì)闡述。 第五章中，將本文提出的屬性加權(quán)模糊C均值算法(AWFCM)應(yīng)用于文本，實(shí)現(xiàn)了文本聚類過程中的預(yù)處理操作，并分別使用C均值和AWFCM算法對(duì)預(yù)處理所得的文檔表示矩陣進(jìn)行了聚類，之后根據(jù)實(shí)驗(yàn)結(jié)果得出了有意義的結(jié)論。 第六章對(duì)全文總結(jié)，討論了模糊聚類算法研究中存在的問題，以及該類算法應(yīng)用于文