基于改进粒子群优化的文本聚类算法研究

摘要：

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。

关键词：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

分类号：TP301.6(计算技术、计算机技术)

资助基金：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。

在线出版日期：2014-12-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：172-177