Indexed by：
Abstract：
面向大规模专利文本数据的处理过程中,特征降维对于有效消除无关和冗余特征,并进一步提高学习任务的效率具有重要的作用。本文在专利数据聚类过程中,采用了基于信息熵进行特征选择,并利用潜在语义索引(LSI)的方法实现了特征降维。在利用降维技术基础上,将K-means算法与基于密度的DBSCAN算法相结合,改进了K-means算法初始聚类中心的选择方式,将其应用于专利文本聚类。t检验的实验结果表明,改进后的K-means算法的聚类结果性能显著提高。
Keyword：
Reprint Author's Address：
Email：
Source ：
情报学报
Year： 2014
Issue： 05
Volume： 33
Page： 491-497
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 9
Affiliated Colleges：
