改进的SOM算法及其在文本聚类中的应用研究.pdfVIP

摘 要 人工神经网络是在现代神经生物学研究成果的基础上发展起来的一种模拟 人脑信息处理机制的网络系统，涉及生物、数学、物理、电子及计算机技术等各 门学科，目前已广泛的应用于图像处理、数据挖掘、模式识别、工程计算等领域， 并取得了令人瞩目的发展。 近年来，随着信息技术的不断发展，信息量呈现爆炸式增长，以“文本形式’’ 存放的信息更是成为人们信息的主要来源。人们迫切的需要一个工具能从大量的 文本信息中快速有效的发现资源和知识，于是文本挖掘技术应运而生，其中对于 文本聚类的研究非常活跃，并取得了良好的成果。文本聚类是文本挖掘当中非常 重要的一个分支，涌现出了许多的聚类方法，如基于层次的方法、基于模型的方 法等，其中神经网络方法一自组织特征映射网络以其独特的优越性更是得到推 广和应用。 本文首先阐述了选题的背景和实际意义，并对该领域的国内外研究动态做了 简要介绍。综述了神经网络、文本挖掘的技术发展和研究方法，分析了神经网络 的优越性，讨论了神经网络应用于文本挖掘的可行性和有效性。其次对聚类算法 做了详细归纳和分析，并对比了主要的几种算法的优缺点。通过对自组织特征映 射网络的分析，指出初始化权值对网络的收敛有重大影响，提出了初始化权值优 化技术——覆盖方法，并应用Iris数据集做了测试。为了进一步提高文本聚类的 精度，提出了基于粒子群优化的TKSOM聚类算法。该方法通过粒子群优化算法 优化组合系数使获得的网络模型具有更好的识别能力，并且具有较好的自适应 性。最后设计并实现了一个小型文本聚类系统，验证了算法的有效性。 关键词 文本聚类 自组织映射覆盖方法粒子群优化 ABSTRACT ABSTRACT AnificialNeuralNetworksisanet、)lrork mehumanbrain system simulating iIlfo珊ation baSedtllemodem haIldlingmechanism，whichon deVelops neurobiology researchresults．ninVolVes ando也er haSbeen usedin technologysubjects．Cllrrently，itwidely manyareas，such calculation，aIld 硒irIlageprocessing，datamilling，pattemreco印ition，engineering achieVed spectaculardeVelopment． 111recent wimtlleconstant ofinfomation years，along deVelopment tecImology， iIlfomationshows inf．0皿ationintextfomlbecomesthemain explosiVe鲈owfll，觚d sourceof needatooltofindresou∽esand i11fomation．Peoplellrgently knowledge the and a numberofteXtiIlf01mlation．So of quicklye简ciently劬mlarge tecllIlique teXt h2Ls