计算机工程
計算機工程
계산궤공정
COMPUTER ENGINEERING
2006年
20期
22-24,47
,共4页
模糊自组织神经网路%模糊C均值%聚类数%文本聚类
模糊自組織神經網路%模糊C均值%聚類數%文本聚類
모호자조직신경망로%모호C균치%취류수%문본취류
提出了一种新的动态模糊自组织神经网络模型(DFKCN),并将其用于文本聚类中.将DFKCN模型应用到中文文本聚类中,该文的特征向量的表示采用隐含语义分析理论,以体现特征词的语义关系并实现特征词的降维.仿真表明本聚类法的精度高于TGSOM算法的精度,算法的执行效率高于TGSOM,取得了良好的效果.
提齣瞭一種新的動態模糊自組織神經網絡模型(DFKCN),併將其用于文本聚類中.將DFKCN模型應用到中文文本聚類中,該文的特徵嚮量的錶示採用隱含語義分析理論,以體現特徵詞的語義關繫併實現特徵詞的降維.倣真錶明本聚類法的精度高于TGSOM算法的精度,算法的執行效率高于TGSOM,取得瞭良好的效果.
제출료일충신적동태모호자조직신경망락모형(DFKCN),병장기용우문본취류중.장DFKCN모형응용도중문문본취류중,해문적특정향량적표시채용은함어의분석이론,이체현특정사적어의관계병실현특정사적강유.방진표명본취류법적정도고우TGSOM산법적정도,산법적집행효솔고우TGSOM,취득료량호적효과.
