基于改进粒子群优化的文本聚类算法研究

• 作者: 刘宪国 林琳 王永贵
• 来源期刊: 计算机工程
• 学科: 工学
• 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
• 年，卷（期）: 2014,（11）
• 所属期刊栏目: ?人工智能及识别技术?
• 页码范围: 172-177
• 页数: 6页
• 分类号: TP301.6
• 字数: 6524字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2014.11.034

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。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王永贵	辽宁工程技术大学软件学院	47	293	10.0	15.0
2	刘宪国	辽宁工程技术大学软件学院	6	47	4.0	6.0
3	林琳	辽宁工程技术大学软件学院	12	38	4.0	6.0