適用于大規(guī)模文本處理的動(dòng)態(tài)密度聚類算法-免費(fèi)閱讀
【正文】 01250 500 1000 2022 3000 4000 5000 6000 7000 8000 9000 9950文檔個(gè)數(shù)聚類精度一趟聚類 TSDDBCA050100150200250 500 1000 2022 3000 4000 5000 6000 7000 8000 9000 9950文檔個(gè)數(shù)聚類簇個(gè)數(shù)一趟聚類 TSDDBCADDBCA,TSDDBCA,SNN算法對比 ?為了對比本文算法與 SNN算法在聚類精度和聚類時(shí)間上的差異，文章分別在 Reuters21578來自 5個(gè)類別的7000篇英文語料和搜狗來自 5個(gè)類別 9950篇中文語料上進(jìn)行了聚類對比，實(shí)驗(yàn)中 SNN算法的參數(shù)設(shè)置為k=2,eps=0,minpts=2,DDBCA算法的參數(shù)設(shè)置為k=6,TSDDBCA算法的參數(shù)設(shè)置為 r=2EX,k=3。 )(),(),( pd e n s i t yqpd i s tpNq k ??DDBCA實(shí)驗(yàn) 數(shù)據(jù)集 算法名稱 參數(shù)設(shè)置 簇個(gè)數(shù) 聚類精度 Dataset1 SNN K=4,Eps=1,MinPts=4 4 100% DBSCAN Eps=,Minpts=2 4 100% DDBCA K=8 4 100% Dataset2 SNN K=5,Eps=1,MinPts=5 24 100% DBSCAN Eps=,Minpts=2 24 % DDBCA K=10 24 % Dataset3 SNN K=6,Eps=3,MinPts=6 6 % DBSCAN Eps=,MinPts=4 3 / DDBCA K=8 8 % K=12 6 % TSDDBCA算法 ?一趟聚類算法： ?掃描數(shù)據(jù)集一遍，將數(shù)據(jù)集劃分為半徑一致的簇集合； ?該算法具有快速劃分的特點(diǎn)； ? 結(jié)合一趟聚類和 DDBCA實(shí)現(xiàn)兩階段動(dòng)態(tài)密
法律信息相關(guān)推薦
鄂ICP備17016276號-1