基于免疫网络和SOM的文本聚类算法研究

被引：3

作者：

张立文 ^{[1
]}

徐家宁 ^{[2
]}

李进 ^{[3
]}

李孝闯 ^{[2
]}

机构：

[1] 河南科技大学电子信息工程学院

[2] 河南科技大学招生就业处

[3] 太原科技大学计算机与科学技术学院

来源：

计算机应用与软件 | 2010年 / 27卷 / 05期

关键词：

文本聚类; 相似度; 向量空间模型; 人工免疫网络; 自组织神经网络;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

081203 ; 0835 ;

摘要：

文本聚类的核心问题是找到一种优化的聚类算法对文本向量进行聚类,是典型的高维数据聚类,提出一种基于自组织神经网络SOM和人工免疫网络aiNet的两阶段文本聚类算法TCBSA。新算法先用SOM神经网络进行聚类,把高维的文本数据映射到二维的平面上,然后再用aiNet对文本聚类。该方法利用SOM神经网络对高维数据降维的优点,克服了人工免疫网络对高维数据的聚类能力差的缺点。仿真实验结果表明该文本聚类算法不仅是可行的,而且具有一定的自适应能力和较好的聚类效果。

引用

页码：118 / 120+124 +124

页数：4

共 5 条

[1] 用于Web文档聚类的基于相似度的软聚类算法 [J].

姜亚莉 ;

关泽群 .

计算机工程, 2006, (02) :59-61

[2] 一种新型的自适应人工免疫算法 [J].

李春华 ;

朱燕飞 ;

毛宗源 .

计算机工程与应用, 2004, (22) :84-87

[3]

计算机免疫学[M]. 电子工业出版社 , 李涛著, 2004

[4] Feature weighting in k-means clustering [J].

Modha, DS ;

Spangler, WS .

MACHINE LEARNING, 2003, 52 (03) :217-237

[5]

Artificial Immune Systems:A Novel Data Analysis Thech-nique Inspired By the Immune Network Theory. Timmis J. Department of Co-mouter Science,University of Wales,Aberystwyth,Ceredigion,Wales . 2000

← 1 →