文献类型：期刊文章

作　　者：张立文[1] 徐家宁[2] 李进[3] 李孝闯[2]

机构地区：[1]河南科技大学电子信息工程学院,河南洛阳471003 [2]河南科技大学招生就业处,河南洛阳471003 [3]太原科技大学计算机与科学技术学院,山西太原030024

出　　处：《计算机应用与软件》

基　　金：河南省教育厅科研项目(2008A510007)

年　　份：2010

卷　　号：27

期　　号：5

起止页码：118-120

语　　种：中文

收录情况：CSA、CSA-PROQEUST、CSCD、CSCD_E2011_2012、IC、JST、ZGKJHX、普通刊

摘　　要：文本聚类的核心问题是找到一种优化的聚类算法对文本向量进行聚类,是典型的高维数据聚类,提出一种基于自组织神经网络SOM和人工免疫网络aiNet的两阶段文本聚类算法TCBSA。新算法先用SOM神经网络进行聚类,把高维的文本数据映射到二维的平面上,然后再用aiNet对文本聚类。该方法利用SOM神经网络对高维数据降维的优点,克服了人工免疫网络对高维数据的聚类能力差的缺点。仿真实验结果表明该文本聚类算法不仅是可行的,而且具有一定的自适应能力和较好的聚类效果。

关 键 词：文本聚类 相似度  向量空间模型 人工免疫网络 自组织神经网络

分 类 号：TP391.41]