机译:利用降维和支持向量聚类克服稀疏性的文档聚类方法
Department of Statistics, Cheongju University, 298, Daeseong-ro Sangdang-gu, Cheongju, Chungbuk 360-764, Republic of Korea;
Graduate School of Management of Technology, Korea University, I, 5-Ka, Anam-dong Sungbuk-ku, Seoul 136-701, Republic of Korea;
Division of Industrial Management Engineering, Korea University, !, 5-Ka, Anam-dong Sungbuk-ku, Seoul 136-701, Republic of Korea;
Document clustering; Sparseness problem; Patent clustering; Dimension reduction; K-means clustering based on support vector; clustering; Silhouette measure;
机译:利用降维和支持向量聚类克服稀疏性的文档聚类方法
机译:基于支持向量聚类的分层支持向量机分类及其在文档分类中的应用
机译:基于Meanshift聚类的稀疏最小二乘支持向量机
机译:使用文档到矢量模型对文档进行聚类以减少维数
机译:多个替代聚类和降维。
机译:流形维数减少方法与最小二乘支持向量机相结合的高粱种子种类分类
机译:比较LDa和pLsI作为文档聚类中的维数降低方法