基于模糊K-调和均值的单词-文档谱聚类方法

&lt;html dir="ltr"&gt;&lt;head&gt;&lt;title&gt;&lt;/title&gt;&lt;/head&gt;&lt;body&gt;在分析单词-文档谱聚类方法的基本步骤, 找出其对初始值敏感的根本原因的基础上, 提出一种基于模<br>糊??-调和均值的单词-文档谱聚类方法. 首先从矩阵相似的角度对谱聚类中的Laplacian 矩阵进行处理, 使其满足对<br>初始值不敏感的条件; 然后通过加入模糊的概念, 用模糊<em>K</em>-调和均值算法代替<em>K</em>-均值算法, 使聚类结果对初始值不<br>敏感. 实验结果表明, 所提出的方法不仅使聚类结果对初始值不敏感, 而且在一定程度上提高了数据的鲁棒性.&lt;/body&gt;&lt;/html&gt;