一种基于t-分布随机近邻嵌入的文本聚类方法

文本数据具有高维、稀疏、海量的特性,给传统的聚类算法带来了极大挑战.提出一种基于t-分布随机近邻嵌入(t-Distributed Stochastic Neighbor Embedding,t-SNE)的文本聚类方法.首先通过t-SNE将高维文本数据嵌入到低维空间,使得高维空间相似度较低的文本对应的映射点距离较远,而相似度较高的文本对应的映射点距离较近;然后根据低维空间映射点坐标,再采用传统的聚类分析算法进行聚类,得到最终的聚类结果.在多个基准文本数据集上进行了实验测试,验证了该方法的有效性.     

浅谈硬盘主引导扇区软故障的修复

首先对硬盘主引导扇区的结构和功能加以分析，然后介绍3种硬盘主引导扇区软故障的可行解决方案并且给出相应的程序。     

基于鲁棒局部嵌入的孪生支持向量机

针对已有非平行超平面支持向量机(NHSVM)分类方法仅考虑训练样本的全局信息却忽视训练样本之间局部几何结构的问题,将鲁棒局部线性嵌入(ARLE)方法的基本思想引入NHSVM中,提出一种基于鲁棒局部嵌入的孪生支持向量机(ARLEBTSVM)。该方法不但继承NHSVM方法具有的异或(XOR)问题处理能力;而且可以很好地保持训练样本空间的局部信息,同时通过考虑样本的全局分布来自动抑制野值样本点对嵌入的影响,从而在一定程度上提高分类算法的泛化性能。为了更好地处理非线性分类问题,通过核映射方法构造非线性ARLEBTSVM。在人造数据集和真实数据集上进行实验,结果表明ARLEBTSVM方法具有更好的分类性能。     

聚类成员簇个数的选择方法研究

聚类成员簇个数的选择对聚类集成的结果有显著影响,但目前尚无此方面的系统研究。因此,通过系统比较不同的簇个数选择方法,确定较优的聚类成员簇个数选择方法。首先对5种常见的簇个数设置方法及其性能进行分析与比较。结果表明,当簇个数k等于实际标签数k~*时,得到的聚类集成结果最好。进一步探索更优的簇个数设置方法,从k~*～2k~*中选取6个较短的区间作为簇个数的选取范围,并将聚类集成的结果与使用k~*得到的结果进行比较。在基准数据集上的实验结果表明,当聚类成员簇个数与真实标签数据集中的类数相等时,获得的聚类集成效果最好。