论文研究一种基于数据场的K均值算法.pdf

针对K-均值算法在随机选取初始类中心时存在不足、对噪声和孤立点敏感、不适用于发现大小差别很大的类的问题，借鉴分子间的相互作用力模型，将文本模拟成数据场中的数据点，综合考虑文本间的相似度和相异度，提出一个新的数据势值计算公式。根据文本数据的势，剔除孤立点、确定初始类中心。实验结果证明，该算法可以提高收敛速度，消除噪声和孤立点对聚类结果的影响，提高聚类的精度，适用于主题分布不均匀的文本集。