归一化：可以将大量重复特征聚合为单一特征，降低重复带来的相似度差异。方法: Vx = Vx /abs(v1)+...abs(Vn)
词干处理：(变形词，同意词，近义词聚合) 减少特征的重复性 imaging-images buy-bought 我-俺 早餐-早饭.......
停用词：（弱特征）大量出现的没有实际特征意义的虚词，副词，语气词等 I ,am, is ,a,an,always 我，啊，了，个，的.........
停用词兴奋剂：(词频-反转文档频率(TF-IDF)) 大量的停用词出现在某部分文档中而极少出现在其它地方，反而成为某部分文档的强特征。
扁平聚类：将对象分为一系列相互之间没有关联的簇。每个簇中的的对象之间非常相似。
层次聚类：相似的对象聚集到一个簇中，相似的簇进一步聚集到一个超级簇中，逐步递归到形成一个簇。
k均值：不断调整质心和簇的分配，反复迭代到某一阈值时，聚类收敛成功。
其它相似度衡量方法：Cosin,Pearson,Jaccard系数等。
原文：http://blog.csdn.net/axman/article/details/36370583