论文研究基于闵科夫斯基距离的特征权重自调节软子空间聚类算法.pdf

文本分类是研究文本数据挖掘、信息检索的重要手段，文本特征项权重值的计算是文本分类算法的关键。针对经典的特征权重计算方法TF-IDF中存在的不足，提出了一种动态自适应特征权重计算方法(DATW)。该算法

基于GIS的空间聚类算法的研究与应用，地理信息系统，空间聚类分析

本体作为语义网的基石，发挥着越来越重要的作用。本体进化的目的在于动态调整本体以适应环境的变化。从基于领域本体的用户日志出发，使用Aporior算法挖掘用户操作的频繁项集和频繁路径。通过对频繁项集和频繁

目前的文本特征生成算法一般采用加权的文本向量空间模型,该模型使用TF-IDF评价函数来计算单个特征的权值,这种算法生成的文本特征冗余度往往都比较高。针对这一问题,采用了一种基于聚类加权的文本特征生成算

目前常用向量空间模型 VSM(vector space model)表示文档，造成的高维问题制约了其实际应用的效果。采用了一种高性能特征选择函数，在构建VSM时选取对区分类别贡献较大的特征词，因此有效

文本聚类是文本信息进行有效组织、摘要和导航的重要手段，其中基于余弦相似度的K-means算法是最重要且使用最广泛的文本聚类算法之一。针对基于余弦相似度的K-means算法改进方案设计困难，且众多优异的

K均值聚类算法是目前一种较好的文本分类算法，算法中的相似度计算通常基于词频统计，小文档或简单句子由于词频过小，使用该算法聚类效果较差。为此，提出了一种基于词语关联度的相似度计算算法，对简单文档集执行

引入遗传算法试图解决海量、高维样本的聚类问题。分析了目前基于样本和属性值两类基于遗传算法的聚类算法的不足，归纳出它们的算法模型。针对多维快速聚类问题提出了密度法、网格法两种基于遗传算法的聚类算法。算法

基于结构特征聚类的相似代码检索方法，王克朝，王甜甜，针对基于图的相似代码检测方法复杂度高、对代码多样化识别能力有限等问题，提出基于结构特征聚类的方法。首先将代码表示为控制依

通过对Web日志的聚类分析，可以发现用户的群体特征，甚至可以预测用户将来的访问模式，进而为不同的用户群提供个性化服务。针对现有方法的一般缺陷，包括特征选择单一无法充分体现用户兴趣偏好和传统Hierar