1) dynamic text clustering
动态文本聚类
2) Automatic textual clustering
自动文本聚类
4) text clustering
文本聚类
1.
Web text clustering algorithm based on the nonstructural data mining model;
基于非结构化数据挖掘结构模型的Web文本聚类算法
2.
Ontology-based similarity measure for text clustering;
文本聚类中基于本体的相似性测度(英文)
3.
Topic discovery based on text clustering techniques;
基于文本聚类技术的主题发现
5) document clustering
文本聚类
1.
Border distance based multi-vector document clustering method;
基于边界距离的多向量文本聚类方法
2.
An improved k-means algorithm for document clustering;
一种用于文本聚类的改进k-means算法
3.
Variant of K-means algorithm for document clustering: optimization initial centers;
一种优化初始中心点的K平均文本聚类算法
6) text cluster
文本聚类
1.
The paper introduces the definition,characteristic of web text mining,emphatically analyzes the related technologies including text feature representation,characteristic subset selection,text classification,text cluster,and prospects the development of it.
介绍了Web文本挖掘的定义、特点,重点分析了其相关的几种关键技术—文本特征表示、特征子选取、文本分类、文本聚类,并对其发展作以展望。
2.
1)Propose a text clustering method based on GA-SOM-based Te.
提出了以遗传算法优化SOM网络的文本聚类算法(GSTCA);进行了对比实验,实验表明,改进后的算法GSTCA比SOM算法在Web中文文档聚类中具有更高的准确率,其F-measure值平均提高了14%,同时,实验还表明,GSTCA算法对网络初始权值是不敏感的,从而提高了算法的稳定性。
3.
On the basis of text cluster,the author makes an exploratory research on XML documents cluster,through the improvement on partition cluster and layer cluster,makes them can use on XML documents cluster.
本文在文本聚类的基础上对XML文档自动聚类进行了研究,对划分聚类法和层次聚类法进行了改进,使之适合于XML文档聚类;给出了元素比较法、边集比较法和编辑距离法等三种计算文档间相似度的方法,并利用实际数据进行了测试和分析。
补充资料：动态模糊聚类法
分子式：
CAS号：
性质：又称动态模糊聚类法。选定一批聚类中心，其指标能反映该类的特征，将样本向最近的聚类中心聚类。再根据分类结果确定新的聚类中心，其各项指标为该类中所有样本的相应指标的平均值。然后计算前后两聚类中心的差异，如差异大于某一阈值，说明分类不合理，需修改分类，即以新的聚类中心代替旧的聚类中心，直到前后两聚类中心的差异小于某一阈值，认为分类合理，从而终止分类过程。
CAS号：
性质：又称动态模糊聚类法。选定一批聚类中心，其指标能反映该类的特征，将样本向最近的聚类中心聚类。再根据分类结果确定新的聚类中心，其各项指标为该类中所有样本的相应指标的平均值。然后计算前后两聚类中心的差异，如差异大于某一阈值，说明分类不合理，需修改分类，即以新的聚类中心代替旧的聚类中心，直到前后两聚类中心的差异小于某一阈值，认为分类合理，从而终止分类过程。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条