模糊聚類在自動判別專家知識領域中的應用研究.pdf

1、專家信息的挖掘?qū)⑷珖缘膶＜倚畔⒎掌脚_尤為重要。論文通過對專家所發(fā)表的論文，承擔的課題等非結構化數(shù)據(jù)進行挖掘，來自動判別出專家的知識領域。 論文在研究分析中文文本預處理的基礎上，結合中文文本挖掘過程，研究文本挖掘框架的層次性，建立了專家知識領域自動判別系統(tǒng)的框架結構，并設計出框架結構中各個模塊的接口，重點研究了模糊聚類算法。為了能準確地判斷出訓練集的最佳聚類數(shù)，本文通過深入分析多種聚類有效性評價指標函數(shù)的“緊湊度”和“分離

2、度”，綜合這些有效性函數(shù)的優(yōu)點，對模糊聚類的線性有效性指標函數(shù)進行改進，使緊湊度和分離度更加明顯。此外，由于文本數(shù)據(jù)維數(shù)高且零值多，相異性不明顯，聚類效果不好，論文分析模糊屬性均值算法和核技術，把核方法用于模糊屬性均值算法中，給出了基于核的模糊屬性均值算法。 在標準數(shù)據(jù)中進行實驗，表明改進后的指標函數(shù)能更加穩(wěn)定的判斷出最佳聚類數(shù)，改進后的模糊屬性均值算法的準確率和抗噪能力得到提高。并把改進后的指標函數(shù)和改進后的算法應用于專家知識