安徽省高校省级自然科学研究项目(KJ2010B455)
- 作品数：3 被引量：7H指数：2
- 相关作者：史金成胡学钢程转流更多>>
- 相关机构：铜陵学院合肥工业大学更多>>
- 发文基金：安徽省高校省级自然科学研究项目安徽省高等学校优秀青年人才基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于混合聚类的中文词聚类被引量：4
- 2010年
- 文本聚类在文本挖掘和信息检索系统中发挥着重要的作用,而词聚类是文本聚类的基础。提出了一种基于混合聚类的中文词聚类方法,它将层次聚类和概念聚类结合起来,以缩短整个聚类时间。首先对预处理后的词集进行初始聚类,然后从每个类中各取一个出现次数最多的词组成新的词集,最后对该词集进行再聚类。实验表明,这种方法有效降低了中文词聚类的时间复杂度。
- 史金成程转流
- 关键词：词聚类层次聚类概念聚类混合聚类
- 基于数据流的概念聚类被引量：1
- 2010年
- 分析二部图的二元组和概念聚类问题之间的关系,在此基础上结合数据流的特点,提出一种适用于对象属性为布尔型的数据流概念聚类算法。将数据流分段,对每一批到来的数据流,生成局部的近似极大ε二元组集合,对全局的近似极大ε二元组集合进行更新,从而有效地对整个数据流进行聚类。实验结果表明,该算法具有良好的时间效率和空间效率。
- 史金成胡学钢
- 关键词：数据流概念聚类
- 基于二部图的概念聚类研究被引量：2
- 2010年
- 传统概念聚类算法中簇的更新和存储不仅依赖于对象数目和属性数目,而且依赖于属性值的数目,这种局限性使其不适用于大型数据集。提出一种新的基于二部图的概念聚类算法(BGBCC),该算法通过获得二部图的近似极大ε二元组集,有效地进行数据与属性的关联聚类。实验表明,该算法能得到较好的聚类结果,且能在较短的时间内进行大型数据集的概念聚类。
- 史金成胡学钢
- 关键词：概念聚类二部图
