基于多特征选择聚类方法研究.docVIP

基于多特征选择聚类方法研究 　　摘要：特征选择是数据挖掘和机器学习领域中聚类分析的一种常用分析处理方式，目前已广泛运用于文本资源分类和数据集的聚类中，在未被标记的资源集处理环境中，让计算机自己学习使用一些特征相关度量的选择方法。总结了一种基于多特征选择算法的聚类方法（MFSC），在资源集中，对多特征进行聚类特征方法选择、分类，将关系相关性较强的划分为同类簇群，再依次从每个簇群中轮询特征代表性较强的归为一类集合，最终达到去除弱依赖特征和特征冗余的结果。实验证明MFSC特征集约效果较高、性能较稳定。 　　关键词：特征选择；多特征；聚类；MFSC 　　中图分类号：TP301 文献标识码：A 文章编号：1007-9416（2017）05-0139-03 　　Clustering Research Based on Multiple Feature Selection 　　Ma Yuanyuan 　　（Information Engineering School， Zhongshan Polytechnic， Zhongshan Guangdong 528404） 　　Abstract：feature selection is the clustering analysis of data mining and machine learning in the field of a common analysis method， has been widely used in text classification and clustering of resource data sets， in the unlabeled set of resources processing environment， let the computer choose their own learning methods using some characteristics related to measure. To explore and summarize a multiple feature selection algorithm （MFSC） feature selection and clustering method， which use the characteristic interval intermediate key single feature clustering， clustering method which features the concentration of resources in the feature selection classification， divides the relationship is strong for the same cluster， then from each cluster in the polling feature representative is classified as a class set， to remove the weak dependence and feature redundancy results. Experimental results show that the MFSC feature is highly effective and stable. 　　Key Words：Feature selection；Multi feature；Clustering；MFSC 　　1 引言 　　近年来，随着大数据、云计算、人工智能等前沿技术的广泛应用，互?网庞大的信息的处理和使用，成为了广大业内学者研究的重要课题之一。这类课题研究都产生于标记资源集的数据处理中，对未知或者说未标记的资源集的处理研究则显得相对薄弱。其原因是因为：（1）未标记资源集特征选择是基于计算机自我学习和自我提升处理能力的；（2）未标记资源集特征选择是利用上下文（一组带属性的有序序列），进行自我对象认知和激活的过程，要求是自动服务，如同步数据到资源库、实时激活、事物的再处理的过程中充满了许多不确定性，获取的结果也难以验证和解释。本文对多特征选择聚类算法（Multiple feature selection clustering algorithm）进行研究，以降低特征空间维数、提升聚类的效果[1]。 　　2 文本分类的相关技术 　　聚类在web文本数据的归类中作为一种手段，利用的是计算机的自我分析和聚合。例如两个职员对音乐有兴趣，一个喜欢哲学，一个喜欢运动。这些数据并没有被预先计算好，它们是实时的从匹配查询语句的文档中动态计算生成的。首先将文本中挖掘的