1、文本聚類，即將給定的文本集合劃分為多個(gè)簇，從而達(dá)到簇內(nèi)文本的主題相關(guān)性，簇間文本的主題無關(guān)性的目的。其目的有利于信息檢索和模式發(fā)現(xiàn)，以及為進(jìn)一步文本分類提供模式基礎(chǔ)。隨著網(wǎng)絡(luò)信息的快速增長，文本自動(dòng)聚類技術(shù)的研究對(duì)于網(wǎng)上信息搜索具有重要的意義。 本文對(duì)中文文本自動(dòng)聚類技術(shù)作了系統(tǒng)論述，介紹了用于文本表示的向量空間模型及其建立過程。在介紹模糊集的基本理論和模糊聚類分析的基礎(chǔ)上，將模糊聚類分析用于中文文本聚類的研究。較深入地討論了基

2、于等價(jià)關(guān)系的傳遞閉包法、基于模糊圖論的最大樹法以及基于劃分的模糊C一均值(FCM)算法，分別提出了基于傳遞閉包法的文本模糊聚類方法ATCFC和基于最大樹法的文本模糊聚類方法ATCMT。重點(diǎn)從改變規(guī)格化方式、改變度量方式、改變初始聚類原型選擇方式三方面對(duì)FCM算法進(jìn)行研究。針對(duì)模糊C一均值算法(FCM)具有局部最優(yōu)問題和初值敏感性的缺陷，將微粒群優(yōu)化算法應(yīng)用于文本模糊聚類，提出了基于微粒群優(yōu)化算法的模糊C-均值算法PSO-FCM。該算法首