10.3778/j.issn.1002-8331.1302-0109
使用LSA降维的改进ART2神经网络文本聚类
针对文本数据高维度的特点和聚类的动态性要求,结合隐含语义分析(LSA)降维,提出一种改进的ART2神经网络文本聚类算法,通过LSA凸显文本和词条之间的语义关系,减少无用噪声,降低数据维度和计算复杂性;采用改进的折中学习方法,减少计算步骤,加快ART2神经网络计算速度,并利用最近邻动态重组方法提高ART2网络聚类的稳定性,减弱算法对样本输入顺序的依赖。实验表明,改进的文本聚类算法能有效地实现动态文本聚类。
ART2神经网络、最近邻、隐含语义分析(LSA)、降维、文本聚类、聚类分析
TP183(自动化基础理论)
上海市科委科技创新项目No.12595810200;上海海事大学科研项目No.201100051。
2015-01-04(万方平台首次上网日期,不代表论文的发表时间)
共7页
133-138,177