技術(shù)特征：

1.一種基于稀疏均值的模糊聚類方法，其特征在于：所述方法包括以下步驟：

步驟1.1：將待聚類的文檔用向量空間模型表示為高維稀疏向量X＝{x₁,x₂,…x_n}，其中每個(gè)樣本點(diǎn)為s維向量，即x_i∈R^s，s＞0，1≤i≤n；n為樣本總數(shù)，n＞0；

步驟1.2：設(shè)置參數(shù)，所述參數(shù)包括類數(shù)k、模糊化系數(shù)m、初始正則項(xiàng)權(quán)重β⁰、結(jié)束判斷參數(shù)ε及最大迭代次數(shù)T；0＜k＜n，1＜m＜2；β⁰＞0；設(shè)定帶有均值l₁范數(shù)正則項(xiàng)的最小化目標(biāo)函數(shù)其中，u_ci表示第i個(gè)樣本到第c個(gè)類的隸屬度，δ_c表示第c個(gè)類的均值；

步驟1.3：初始化均值，得到與最后結(jié)果相近的k個(gè)初始均值分別為[δ₁,δ₂,…δ_k]；計(jì)迭代次數(shù)l＝1；

步驟1.4：基于當(dāng)前均值，利用式更新所有隸屬度的值，1≤c≤k；

步驟1.5：對(duì)每一類c＝1,2,…,k，更新權(quán)重β，然后基于步驟1.4的隸屬度u_ci更新對(duì)應(yīng)的k個(gè)均值；

步驟1.6：當(dāng)對(duì)應(yīng)的k個(gè)均值不再變化或迭代次數(shù)l＞T，迭代結(jié)束；否則重復(fù)步驟1.3；

步驟1.7：輸出聚類結(jié)果。

2.根據(jù)權(quán)利要求1所述的一種基于稀疏均值的模糊聚類方法，其特征在于：所述步驟1.2中，最小化目標(biāo)函數(shù)應(yīng)當(dāng)同時(shí)滿足的約束條件為：對(duì)所有c和i滿足u_ci≥0，對(duì)所有i，

3.根據(jù)權(quán)利要求1所述的一種基于稀疏均值的模糊聚類方法，其特征在于：所述步驟1.2中，模糊化系數(shù)m≤1.2。

4.根據(jù)權(quán)利要求1所述的一種基于稀疏均值的模糊聚類方法，其特征在于：所述步驟1.2中，初始正則項(xiàng)權(quán)重β⁰≤10。

5.根據(jù)權(quán)利要求1所述的一種基于稀疏均值的模糊聚類方法，其特征在于：所述步驟1.5中，基于步驟1.4的隸屬度u_ci更新權(quán)重β，

6.根據(jù)權(quán)利要求5所述的一種基于稀疏均值的模糊聚類方法，其特征在于：所述步驟1.5中，采用式更新對(duì)應(yīng)的k個(gè)均值，其中，sign(δ_c')返回該向量中對(duì)應(yīng)元素的符號(hào)。

7.根據(jù)權(quán)利要求5所述的一種基于稀疏均值的模糊聚類方法，其特征在于：所述步驟1.5中，選出每個(gè)δ_c中權(quán)重最大的字符作為關(guān)鍵詞用于描述或解釋該類別。

8.根據(jù)權(quán)利要求1所述的一種基于稀疏均值的模糊聚類方法，其特征在于：所述步驟1.6中，當(dāng)時(shí)，迭代結(jié)束。

9.根據(jù)權(quán)利要求1所述的一種基于稀疏均值的模糊聚類方法，其特征在于：所述步驟1.7中，所述聚類結(jié)果為k個(gè)均值和記錄所有樣本到類的隸屬度矩陣U。

10.根據(jù)權(quán)利要求9所述的一種基于稀疏均值的模糊聚類方法，其特征在于：所述步驟1.7中，將隸屬度矩陣U中的每個(gè)樣本k分配給隸屬度最大的類，得到每個(gè)樣本點(diǎn)k的類標(biāo)簽。