基于粒子群的模糊C均值文本聚类算法研究

• 作者: 张俊丽 高劲松
• 来源期刊: 图书情报工作
• 学科: 工学
• 关键词: 模糊C均值 粒子群 文本聚类
• 年，卷（期）: 2010,（6）
• 所属期刊栏目: 情报研究
• 页码范围: 57-60,65
• 分类号: TP391
• 语种: 中文

摘要

利用模糊C均值算法解决文本聚类问题时,随机选取的初始聚类中心和聚类数会导致不同的聚类结果,且容易陷入局部最优.提出利用粒子群优化算法确定模糊c均值的初始聚类中心,并通过向量空间模型和特征提取,再利用模糊C均值进行文档聚类.实验表明,这种基于粒子群的模糊C均值聚类算法迭代次数少,能解决经典模糊C均值算法对初始值敏感和易陷入局部极小的缺点,且聚类速度和效果得到明显提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高劲松	华中师范大学信息管理系	32	64	5.0	6.0
2	张俊丽	南京大学信息管理系	7	94	3.0	7.0