刘作国，陈笑蓉

(贵州大学 计算机科学与技术学院，贵州 贵阳 550025)



高斯加权的重构性K-NN算法研究

刘作国，陈笑蓉

(贵州大学 计算机科学与技术学院，贵州 贵阳 550025)

该文提出基于高斯加权距离以及聚类重构机制的K-NN文本聚类算法。文章提出K-NN近邻域的概念，通过高斯加权的近邻域算法实施K-NN聚类。利用高斯函数根据样本与聚类中心的距离为样本赋权，计算聚类距离。基于近邻域权重和聚类密度对形成的聚类实施重构，实现聚类数目的自适应调整。使用拆分算子拆分稀疏聚类并调整异常样本；使用合并算子合并相似聚类。实验显示聚类重构机制能够有效地提高聚类的准确率及召回率，增加聚类密度，使得形成的聚类结果更加合理。

文本聚类；K-NN算法；高斯加权；近邻域规则；聚类重构

1 引言

K-NN聚类算法简洁实用，是一类常见的文本聚类算法。K-NN算法选定样本子集形成初始聚类分布，根据初始分布将测试样本划入最近聚类。K-NN算法初始聚类的选择直接影响聚类结果，聚类过程缺少对结果的检测和调整机制，难以实现聚类数目的自适应变更[1]。

本文主要针对K-NN算法的距离判定策略和聚类重构机制进行了研究，通过高斯加权算法实施距离度量，判定样本归属。采用聚类重构机制对不合理聚类实施拆分及合并，实现聚类数目的自适应调整，同时保证形成的聚类更加紧密合理。

2 相关工作

2.1 文本表示

本文主要采用向量空间模型VSM进行文本描述，文本t表示为式(1)。……