聚类模式下一种优化的k-means文本特征选择

文本特征降维是文本自动分类的核心技术。k-means方法是一种常用的基于划分的方法。针对该算法对类中心初始值及孤立点过于敏感的问题，提出了一种改进的k-means算法用于文本特征选择。通过优化初始类中心的选择模式及对孤立点的剔除，改善了文本特征聚类的效果。随后的文本分类试验表明，提出的改进k-means算法具有较好的特征选择能力，文本分类的效率较高。