论文部分内容阅读
Ｋ－Ｍｅａｎｓ算法是一种常用的聚类算法。通过分析传统Ｋ－Ｍｅａｎｓ聚类算法可知，该算法随机选取聚类中心并需要手动设定聚类个数，因此容易出现局部最优、稳定性差，适用范围窄的问题。为了改善聚类结果，对Ｋ－Ｍｅａｎｓ算法进行了改进，根据文本距离确定初始聚类中心，并在初始聚类完成后，对聚类进行合并，形成最终的聚类结果。实验结果表明，改进后的Ｋ－Ｍｅａｎｓ算法提高了聚类的查准率和查全率。