聚類算法及其在頁(yè)面聚類中的應(yīng)用研究.pdf

1、互聯(lián)網(wǎng)已經(jīng)成為一個(gè)巨大的、分布式、全球信息服務(wù)中心。如何為用戶快速、高效、準(zhǔn)確地提供他們所需要的，并具有高度相關(guān)性的一簇Web頁(yè)面，已經(jīng)成為業(yè)界研究的重要內(nèi)容。解決這個(gè)問題的一個(gè)有效途徑就是對(duì)頁(yè)面進(jìn)行合理的聚類分析，從而更高效地進(jìn)行Web信息的分類、存儲(chǔ)、檢索和集成。本文研究的主要目的是聚類算法的改進(jìn)及其在頁(yè)面聚類方面的應(yīng)用。 本文的主要內(nèi)容如下： (1)對(duì)聚類分析的理論、方法與過程進(jìn)行研究。 (2)選取了聚類算

2、法中廣泛研究的基于劃分的K-means算法和基于密度的DBSCAN算法進(jìn)行改進(jìn)研究。并通過常用知名數(shù)據(jù)集進(jìn)行算法實(shí)驗(yàn)。 本文對(duì)K-means算法的改進(jìn)目的是改變初始聚類中心的選取，即如何找到與數(shù)據(jù)在空間分布上相一致的初始聚類中心，提出的改進(jìn)方法是根據(jù)數(shù)據(jù)的自然分布來選取初始聚類中心。在DBSCAN算法的改進(jìn)中，對(duì)參數(shù)ε和Minpts給出了一種自動(dòng)選取方法，減小了主觀性的影響。 (3)給出頁(yè)面聚類的步驟和算法描述。