| 基于新型聚类算法IncreaseK-Means的Blog相似度分析 |
| |
| 引用本文： | 吴海华,李绍滋,林达真,柯逍,曹冬林.基于新型聚类算法IncreaseK-Means的Blog相似度分析[J].厦门大学学报(自然科学版),2009,48(2). |
| |
| 作者姓名： | 吴海华 李绍滋 林达真 柯逍 曹冬林 |
| |
| 作者单位： | 厦门大学信息科学与技术学院,福建,厦门,361005 |
| |
| 摘 要： | 针对现有聚类算法K-均值存在事先指定聚类类数及仿射传播存在计算复杂度偏高的缺陷,提出了一种新型的聚类算法Increase K-Means,并将其应用到Blog内容的相似度聚类分析中,较好地满足了社区发现和话题跟踪的需求.仿真结果表明:在Blog文本聚类分析中,Increase K-Means在时间上与K-Means相近,在精度上与仿射传播接近,适用于大规模网络文本的分析处理.
|
| 关 键 词： | 仿射传播 聚类 特征提取 |
Analyze Blog's Simularity Passing the New Clustering Algorithm Called Increase K-Means |
| |
| WU Hai-hua,LI Shao-zi,LIN Da-zhen,KE Xiao,CAO Dong-lin.Analyze Blog''s Simularity Passing the New Clustering Algorithm Called Increase K-Means[J].Journal of Xiamen University(Natural Science),2009,48(2). |
| |
| Authors: | WU Hai-hua LI Shao-zi LIN Da-zhen KE Xiao CAO Dong-lin |
| |
| Abstract: | |
| |
| Keywords: | Increase K-Means K-Means |
| 本文献已被 维普 万方数据 等数据库收录！ |
|
