搜索引擎中的聚类浏览技术

搜索引擎大多以文档列表的形式将搜索结果显示给用户,随着Web文档数量的剧增,使得用户查找相关信息变得越来越困难,一种解决方法是对搜索结果进行聚类提高其可浏览性。搜索引擎的聚类浏览技术能使用户在更高的主题层次上查看搜索结果,方便地找到感兴趣的信息。本文介绍了搜索引擎的聚类浏览技术对聚类算法的基本要求及其分类方法,研究分析了主要聚类算法及其改进方法的特点,讨论了对聚类质量的评价,最后指出了聚类浏览技术的发展趋势。

基于支持向量聚类的多分量线性调频信号检测

为了精确获取多分量线性调频(Linear FM,LFM)信号中分量的数量,该文引入支持向量聚类(Support Vector Clustering,SVC)算法对LFM信号的Radon-时频分析结果进行聚类分析,完成多个分量的检测;并通过减少SVC算法中输入集样本数量和改进聚类标识方法为"直接聚类标识"法,提高了SVC算法的计算效率。仿真结果表明:在较低信噪比条件下,Radon-时频分析和SVC结合的方法可有效地检测多分量LFM信号中分量数和进行参数估计。

基于频繁子树模式的GML文档结构聚类算法

提出了一种基于频繁子树模式的GML文档结构聚类算法GCFS(GML Clustering based on Frequent Subtree patterns),与其他相关算法不同,该算法首先挖掘GML文档集合中的最大与闭合频繁Induced子树,并将其作为聚类特征,根据频繁子树的大小赋予不同的权值,采用余弦函数定义相似度,利用K-Means算法对聚类特征进行聚类。实验结果表明算法GCFS是有效的,具有较高的聚类效率,性能优于其他同类算法。

健康素养概念结构和主题趋势的多视角分析

目的利用多视角分析方法揭示健康素养的概念结构和主题趋势。方法基于WoS的作者共被引、关键词共现和PubMed的作者合作,利用CiteSpace软件,从被引文献和引证文献2个角度分别对共被引聚类进行标识,确定健康素养领域研究的概念结构和主题趋势(1995-2010)。结果精神健康素养和功能性健康素养是健康素养的2个独立的研究领域。同时发现公共卫生视角的健康素养和健康素养测量工具研究是近年来2个最活跃的研究领域。结论应用不同来源的信息,对共引聚类分析后可能会得到不同的结论。