適用于大規(guī)模文本處理的動(dòng)態(tài)密度聚類算法-在線瀏覽
2024-08-27 13:00本頁面
【正文】 DDBCA算法 ?算法思想： 為了能夠自動(dòng)區(qū)分密度不同的簇，對(duì)每個(gè)對(duì)象依據(jù)其密度值進(jìn)行降序排序，從密度最大的對(duì)象開始建立一個(gè)新簇，并迭代地聚集從該對(duì)象直接密度可達(dá)的對(duì)象，直到無新的對(duì)象可以被添加進(jìn)來，繼續(xù)下一個(gè)未被處理的對(duì)象，繼續(xù)該過程，直到全部對(duì)象處理完畢。 )(),(),( 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)密度聚類算法： ?第一步：先用一趟聚類算法對(duì)原數(shù)據(jù)集進(jìn)行聚類，得到大小幾乎相同的初始劃分簇； ?第二步：將第一步中得到的劃分簇看成是 DDBCA算法的聚類對(duì)象，對(duì)第一步的初始劃分進(jìn)行歸并，得到第 2階段最終的聚類簇。 ?Reuters21578是文本自動(dòng)分類的公開英文基準(zhǔn)語料庫，包含 1987年在路透社報(bào)紙上的 21578篇新聞報(bào)道，由，總共包含 135個(gè)類別。 TSDDBCA在 Reuters語料上的實(shí)驗(yàn) TSDDBCA算法和一趟聚類算法在 Reuters21578英文文本語料上的實(shí)驗(yàn)結(jié)果
法律信息相關(guān)推薦
鄂ICP備17016276號(hào)-1