最大距离法选取初始簇中心的K-means文本聚类算法的研究

摘要

Due to the random selection of initial cluster centers， K-means clustering algorithm is prone to local optimal and instability of clustering results， and huge number of iterations. To overcome the above problems， this paper selected the initial cluster ce%由于初始簇中心的随机选择，K-means算法在聚类时容易出现聚类结果局部最优、聚类结果不稳定、总迭代次数较多等问题。为了解决K-means算法所存在的以上问题，提出了最大距离法选取初始簇中心的K-means文本聚类算法。该算法基于这样的事实：距离最远的样本点最不可能分到同一个簇中。为使该算法能应用于文本聚类，构造了一种将文本相似度转换为文本距离的方法，同时也重新构造了迭代中的簇中心计算公式和测度函数。在实例验证中，对分属于五个类别的1 500篇文本组成的文本集进行了文本聚类分析，其结果表明，与原始的K-m