聚类算法及其在页面聚类中的应用研究.pdfVIP

聚类算法及其在页面聚类中的应用研究 摘要 互联网已经成为一个巨大的、分布式、全球信息服务中心。如何为用户快速、高 效、准确地提供他们所需要的，并具有高度相关性的一簇Web页面，已经成为业界研 究的重要内容。解决这个问题的一个有效途径就是对页面进行合理的聚类分析，从而 更高效地进行Web信息的分类、存储、检索和集成。本文研究的主要目的是聚类算法 的改进及其在页面聚类方面的应用。 本文的主要内容如下： (1)对聚类分析的理论、方法与过程进行研究。 (2)选取了聚类算法中广泛研究的基于划分的K．means算法和基于密度的 DBSCAN算法进行改进研究。并通过常用知名数据集进行算法实验。 本文对K．means算法的改进目的是改变初始聚类中心的选取，即如何找到与数据 在空间分布上相一致的初始聚类中心，提出的改进方法是根据数据的自然分布来选取 方法，减小了主观性的影响。 (3)给出页面聚类的步骤和算法描述。 (4)选定数据集对页面聚类算法进行实例验证。系统实现了两种算法的页面聚 类过程。并对实例验证结果进行分析评价。 实验结果表明：在选取的数据集范围内，改进后的两种算法在准确率上均有所提 高；改进后两种算法在页面聚类准确率相差不大且随着实验数据集的增大而减小； K．means改进算法在时间性能方面明显优于DBSCAN改进算法。 关键词：聚类分析，K-means算法，DBSCAN算法，页面聚类 on andits Research Clusteringalgorithm in Page℃lu_Stering application ABSTRACT an informationservice Internethasbecome enormous，distributed，global foruserswhich andaccurateinformation center．Howto fast，efficient they provide an ofaclusterofWeb become need．witha ofrelevance pages，has highdegree on tosolvethis iScarries ofthefield．Aneffective aspect way problem important cluster tothe asto and thereasonable pages，SOsort，memory,lndex analysis more