基于多特征选择的聚类方法研究

《基于多特征选择的聚类方法研究》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、为了确保“教学点数字教育资源全覆盖”项目设备正常使用，我校做到安装、教师培训同步进行。设备安装到位后，中心校组织各学点管理人员统一到县教师进修学校进行培训，熟悉系统的使用和维护。基于多特征选择的聚类方法研究　　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，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

2、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--0139-03　　ClusteringResearchBasedonMultipleFeatureSelection　　MaYuanyuan　　　　Abstract：featureselectionistheclusteringanalysisofdataminingandmachinelearningin

3、thefieldofacommonanalysismethod，hasbeenwidelyusedintextclassificationandclusteringofresourcedatasets，intheunlabeledsetofresourcesprocessing为了充分发挥“教学点数字教育资源全覆盖”项目设备的作用，我们不仅把资源运用于课堂教学，还利用系统的特色栏目开展课外活动，对学生进行安全教育、健康教育、反邪教教育等丰富学生的课余文化生活。为了确保“教学点数字教育资源全覆盖”项目设备正常使用，我校做到安装、教师培训

4、同步进行。设备安装到位后，中心校组织各学点管理人员统一到县教师进修学校进行培训，熟悉系统的使用和维护。environment，letthecomputerchoosetheirownlearningmethodsusingsomecharacteristicsrelatedtomeasure.Toexploreandsummarizeamultiplefeatureselectionalgorithmfeatureselectionandclusteringmethod，whichusethecharacteristicinterva

5、lintermediatekeysinglefeatureclustering，clusteringmethodwhichfeaturestheconcentrationofresourcesinthefeatureselectionclassification，dividestherelationshipisstrongforthesamecluster，thenfromeachclusterinthepollingfeaturerepresentativeisclassifiedasaclassset，toremovethewea

6、kdependenceandfeatureredundancyresults.ExperimentalresultsshowthattheMFSCfeatureishighlyeffectiveandstable.　　KeyWords：Featureselection；Multifeature；Clustering；MFSC　　1引言为了充分发挥“教学点数字教育资源全覆盖”项目设备的作用，我们不仅把资源运用于课堂教学，还利用系统的特色栏目开展课外活动，对学生进行安全教育、健康教育、反邪教教育等丰富学生的课余文化生活。为了确保“教学点数

7、字教育资源全覆盖”项目设备正常使用，我校做到安装、教师培训同步进行。设备安装到位后，中心校组织各学点管理人员统一到县教师进修学校进行培训，熟悉系统的使用和维护。　　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：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；未标记资源集特征选择是利用上下文，进行自我对象认知和激活的过程，要求是自动服务

8、，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