论文研究 使用LSA降维的改进ART2神经网络文本聚类.pdf

针对文本数据高维度的特点和聚类的动态性要求，结合隐含语义分析（LSA）降维，提出一种改进的ART2神经网络文本聚类算法，通过LSA凸显文本和词条之间的语义关系，减少无用噪声，降低数据维度和计算复杂性；采用改进的折中学习方法，减少计算步骤，加快ART2神经网络计算速度，并利用最近邻动态重组方法提高ART2网络聚类的稳定性，减弱算法对样本输入顺序的依赖。实验表明，改进的文本聚类算法能有效地实现动态文本聚类。