一種基于數據場的K—均值算法

摘 要：針對K一均值算法在隨機選取初始類中心時存在不足、對噪聲和孤立點敏感、不適用于發現大小差別很大的類的問題，借鑒分子間的相互作用力模型，將文本模擬成數據場中的數據點，綜合考慮文本間的相似度和相異度，提出一個新的數據勢值計算公式。根據文本數據的勢，剔除孤立點、確定初始類中心。實驗結果證明，該算法可以提高收斂速度，消除噪聲和孤立點對聚類結果的影響，提高聚類的精度，適用于主題分布不均勻的文本集。