摘要
针对传统的K-Means算法的不足,以及其在文本聚类中存在的局限性,提出了一种基于网页向量语义相似度的改进K-Means算法。新算法通过向量语义相似度的计算自动确定初始聚类中心,在聚类过程中,达到语义相似度阈值的网页才使用K-Means算法进行聚类。通过实验证明,新算法很好地克服了传统K-Means算法随机选取聚类中心以及无法处理语义信息的问题,提高了聚类的质量。
学科与关键词
关键词
K-Means语义相似度向量空间模型聚类 K-Meanssemantic similarityVSMclustering
- 一种改进的K-Means聚类算法的研究王雪梅; 李晓峰; 高巍巍计算机与数字工程, 2013, (11): 1717.
- K-Means聚类算法研究综述杨俊闯; 赵超计算机工程与应用, 2019, (23): 7-14+63.
- 一种优化初始中心的K-means聚类算法邓海; 覃华; 孙欣计算机技术与发展, 2013, (11): 42-45.
