基于约束主成份分析的文本聚类算法
Document Clustering Based on Constrained Principal Component Analysis作者机构：江西师范大学计算机信息工程学院南昌330022 复旦大学计算机科学技术学院上海201203 江西师范大学初等教育学院南昌330027
出 版 物：《模式识别与人工智能》 (Pattern Recognition and Artificial Intelligence)
年 卷 期：2013年第26卷第3期
页 面：270-275页
核心收录：
学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）]
基 金：国家自然科学基金资助项目(No.60963014 61163006)
摘 要：主成份分析对高维数据进行维数约简可有效提高聚类算法的性能,但这种方法容易丢失部分对聚类具有贡献的成份.为在维数约简的同时保留对聚类具有贡献的成份,提出一种维数约简与聚类交互进行的迭代算法.每次迭代可表示为约束优化问题,并可求解此优化问题的解析解,进而给出相应的迭代聚类算法,称之为基于约束主成份分析的本文聚类.在Reuter21578、WebKB文档集上的实验结果表明,文中方法与k-均值聚类、非负矩阵分解聚类和谱聚类相比具有较好的性能.
维普期刊数据库
同方期刊数据库