改进灰狼优化算法的K-Means文本聚类

摘要：

针对K-Means算法在文本聚类过程中易陷入局部最优,造成文本聚类结果不准确的问题,提出了一种基于改进灰狼优化算法的K-Means文本聚类方法.在对文本数据进行分词、去停用词、特征提取以及文本向量化后,通过免疫克隆选择选出精英个体,并对精英个体进行深度探索以增加灰狼种群的多样性,避免早熟收敛现象的发生;将粒子群位置更新思想与灰狼位置更新结合,降低灰狼优化算法陷入局部极值的风险;与K-Means算法结合进行文本聚类.所提算法与K-Means算法、GWO-KMeans以及IPSK-Means算法相比,其准确率、召回率和F值平均都有明显提高,文本聚类结果更可靠.

关键词：K-Means算法、文本聚类、灰狼优化算法、免疫克隆、粒子群

所属期刊栏目：57

分类号：TP301.6(计算技术、计算机技术)

资助基金：中央军委装备发展部领域基金

在线出版日期：2021-01-13（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：188-193