研究文章雷竞技app下载苹果版

基于循环集IGA和混淆矩阵的WebDocument聚类事实检索优化

摘要

第一阶段首先推导出全局聚类过程的遗传算法，解决聚类和特征选择的优化问题。第二阶段遵循导数作品的混淆矩阵概念，并包括改进的遗传算法用于最终分类。第三阶段提出了基于优化后的概念特征词的聚类最优性评价方法。最后阶段采用连接方法对网页进行聚类，主要是查找循环集，然后对文档进行聚类。利用循环模式展开技术生成这些循环集。然后将模糊k均值算法应用于循环集优化的Web文档聚类中，发现具有高度相关性和相关特征的文档聚类。实验结果表明，该方法比上述两种连接方法效率更高，在鲁棒性下处理效率更高。性能评价结果表明，该算法在词汇数据集的真实库包和UCI库包的聚类最优性、真负率和信息检索方面均有较好的效果。

C. Josephine Christy, B. Nagarajan博士