模糊聚类技术在文献自动分类系统中应用.docVIP

模糊聚类技术在文献自动分类系统中应用 　　〔摘 要〕本文采用模糊聚类技术,结合《中国图书馆分类法》,尝试建立一种新型的文献自动分类机制。文章采用模块化技术,提出整套系统的设计流程和关键点的设计,并分析了其优缺点。目的是为文献的自动分类探索一种新的思路和方法。 　　〔关键词〕自动分类;模糊C均值;图书馆专家系统 　　〔中图分类号〕G254 〔文献标识码〕B 〔文章编号〕1008-0821(2009)09-0166-03 　　 　　Application of Fuzzy Clustering Technology in 　　Literature Automatic Classification SystemChu Cunkun Li Tao 　　(Library,Taishan medical college,Taian 271000,China) 　　〔Abstract〕In this paper,based on fuzzy clustering technology,combined with“Chinese Library Classification”,the author tried to establish a new mechanism for automatic classification of literature.The article adopts modular technology,the entire system to the design process and the key points of the design and analysis of its advantages and disadvantages.This paper documents for the automatic classification explored a new way of thinking and methods. 　　〔Key words〕automatic classification;fuzzy c-means;library expert system 　　 　　自1960年Maron在Journal of ASM发表了有关自动分类的第一篇论文,随后许多著名的情报学家如K.Sparch,G.Salton及R.M.Needham等都在这一领域进行了卓有成效的研究[1]。到目前为止,自动分类在国外大体经历了3个发展阶段:第一阶段(1958-1964)主要进行自动分类的可行性研究;第二阶段(1965-1974)进行自动分类的实验研究;第三阶段1975-至今)进入实用化阶段。但是由于分类方法的不同,这些软件并不能在我国通用。我国的自动分类工作经历了2个阶段,1981年候汉清老师首次对自动分类进行了探讨[2];1991年后以李欣老师为代表的一批人开始了试验软件的研发[3],然而到现在为止,虽然有一些自动化分类软件诞生,但是离社会化、商品化还有一定的距离,尚处于第二阶。究其原因一是开发技术难度比较大,普通图书馆技术人员难以胜任,二是少量开发出的软件推广难度比较大,辛辛苦苦开发出的软件由于各种原因不能被广泛应用,没有信心继续研究。本文尝试将一种广泛使用于图像处理领域的分类算法――模糊聚类技术移植到文献自动分类中来,借以探索新的研发途径。 　　 　　1 模糊聚类技术简介及移植思路 　　 　　模糊聚类技术是一种智能分类技术,目前广泛应用在数据挖掘、图像分割、模式识别等领域并取的了良好的效果。它非常适合处理事物内在的不确定性,而且对噪声不敏感;它利用多值逻辑来描述复杂系统,能以更接近人的思维方式准确地对事物进行分类[4]。 　　模糊聚类技术的典型算法――模糊C均值算法(fuzzy c-means,FCM)是一种较典型的逐点修改迭代的动态聚类算法,其要点是以误差平方和为准则函数。逐点修改聚类中心:一个元素按某一原则,归属于某一组类后,就要重新计算这个组类的均值,并且以新的均值作为凝聚中心点进行下一次元素聚类;逐批修改聚类中心:在全部元素样本按某一组的类中心分类之后,再计算修改各类的均值,作为下一次分类的聚类中心点。 　　其核心思想是[5]:算法把n个向量x??j(1,2,…,n)分为c个组C??i(i=1,2,…,c),并求每组的聚类中心,使得非相似性(或距离)指标的价值函数(或目标函数)达到最小。当选择欧几里德距离为组j中向量x??k与相应聚类中心c??i间的非相似性指标时,价值函数定义为: 　　??J=∑Ni=1∑Cj=1(μ??ij)mx??i-υ??j2?? 　　其中:??u??ik=1+∑Cj=1j≠ix??k-υ??i2x??k-υ??j21/m-1-1(1)