一种改进的K-means数字资源聚类算法-论文.pdf

《一种改进的K-means数字资源聚类算法-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第24卷第6期计算机技术与发展V0I_24No．62014年6月C0MPUTERTECHNOLOGYANDDEVELOPMENTJune2014一种改进的K—means数字资源聚类算法杨永涛，李静(1．燕山大学信息化处，河北秦皇岛066004；2．燕山大学信息科学与工程学院，河北秦皇岛066004)摘要：K—means聚类算法在数据挖掘聚类分析方法中是一个基本的、使用最广泛的划分算法。为了对数字图书馆中大量的数字资源进行更加有效、快速的聚类，文中针对传统的K—means算法存在的问题，结合数字图书馆数字资源的特征，提出了一种改进的基于关键词特征向量的初始聚类中心选

2、择算法，并在此基础上对传统的K—means聚类算法进行了改进，用于对数字资源进行聚类，并进行了算法的实验验证。通过对实验结果的分析证明，文中提出的算法降低了数字资源聚类的代价，提高了聚类的效率，从而验证了算法的可行性。关键词：K—means算法；数字资源；相似度；初始聚类中心中图分类号：TP301．6文献标识码：A文章编号：1673—629X(2014)06—0107—03doi：10．3969／j．issn．1673—629X．2014．06．027AnImprovedK-meansClusteringAlgorithmforDigitalResourcesYA

3、NGYong—tao，LIJing(1．InformationTechnologyOficeofYashanUniversity，Qinhuangdao066004，China；2．CollegeofInformationScienceandEngineering，YanshanUniversity，Qinhuangdao066004，China)Abstract：K-meansclusteringalgorithmisabasicanalysismethodindataminingclosetinganalysis，whichisalsothemostwidel

4、yusedpartitioningalgorithm．Inthispaper，inordertOgetmorefastandeffectiveclusteringresultfromlargenumberofdigitalresourcesindigit—allibrary，aimingattheproblemsofthetraditionalK-meansalgorithm，combiningwiththe~amresofthedigitalresources，animprovedselectionalgorithmbasedonthekeywordfeatur

5、evectorforinitialclusteringcenterisproposed．Onthisbasis，thetraditionalK-meansclusteringalgorithmisimprovedfordigitalresourcesclusteringandexperimentverification．Theanalysisresultsshowthatthealgorithmproposedreducesthedigitalresourcesclusteringcost，improvestheclusteringeficiency，verify

6、ingthefeasibilityofthealgorithm．Keywords：K-meansclusteringalgorithm；digitalresource；similarity；initialclusteringcenterO引言是随机的，它是一种局部优化策略，容易陷入局部最优K—means算法属于聚类方法中一种典型的划分解。好的初始中心的选择，能够极大地避免陷入局方法，但初始中心选择不当往往导致聚类效果出现偏部最优，减少聚类结果的误差总和。因此，优化初始中差。为了达到对资源项更好的聚类效果，针对经典心的选择成为重要的研究点。针对数字图书馆数字资的K—

7、means算法的一些缺点，许多学者在原K—means源的种种特征，也就对数字资源的选择和利用提出了的基础上提出了一些改进方法，主要集中在距离的计新的课题。算、初始点簇中心的优化选择等方面J。在文献[4]中，NimaAsgharbeygi和ArianMaleki1数字资源的表示提到了使用测地距离(GeodesicDistance)代替经数字图书馆中的每一项数字资源都具备标题和关典的K—means算法中使用的欧几里得距离，改善传统键词，文中以资源标题和关键词人手来表示每一项资K—means算法中的不足，如降低了对空间异常数据的源，其表示方法与文本处理中的文本表示方法非

8、常相敏感度