10.3969/j.issn.1000-3428.2014.11.034
基于改进粒子群优化的文本聚类算法研究
针对k-means算法的聚类结果高度依赖初始聚类中心选取的问题,提出一种基于改进粒子群优化的文本聚类算法。分析粒子群算法和k-means算法的特点,针对粒子群算法搜索精度不高、易陷入局部最优且早熟收敛的缺点,设计自调节惯性权重机制及云变异算子以改进粒子群算法。自调节惯性权重机制根据种群进化程度,动态地调节惯性权重,云变异算子基于云模型的随机性和稳定性,采用全局最优值实现粒子的变异。该算法结合了粒子群算法较强的全局搜索能力与k-means算法较强的局部搜索能力。每个粒子是一组聚类中心,类内离散度之和的倒数是适应度函数。实验结果表明,该算法是一种精确而又稳定的文本聚类算法。
粒子群优化、自调节惯性权重机制、进化程度、云变异算子、k-means算法、文本聚类
TP301.6(计算技术、计算机技术)
国家自然科学基金资助项目60903082;辽宁省教育厅基金资助项目L2012113。
2014-12-09(万方平台首次上网日期,不代表论文的发表时间)
共6页
172-177