原文服务方: 微电子学与计算机       
摘要:
为提高文本聚类结果的精度和文本聚类的收敛速度 ,对蚁群文本聚类算法进行了改进 ,改进的措施主要包括修改迭代终止条件、动态调整蚂蚁观察半径、改变蚂蚁移动策略 ,并且在复旦大学中文文本分类语料库上进行了仿真实验 .实验结果表明 ,改进后的蚁群文本聚类算法不仅加快了文本聚类的收敛速度 ,而且提高了文本聚类结果的精度 .
推荐文章
改进蚁群算法在文本聚类中的应用研究
蚁群算法
文本聚类
向量空间模型
信息素
蚁群-遗传融合的文本聚类算法
蚁群算法
遗传算法
融合
文本聚类
蚁群优化聚类算法在企业效率提升方面的应用研究
蚁群优化聚类算法
企业效率
粗糙集
相似度
捡拾概率
遗弃概率
聚类与分配
基于蚁群算法的模糊C均值聚类
FCM
蚁群算法
模糊聚类算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 蚁群算法在文本聚类中的应用研究
来源期刊 微电子学与计算机 学科
关键词 文本聚类 移动策略 观察半径 蚁群算法
年,卷(期) 2016,(1) 所属期刊栏目
研究方向 页码范围 81-84,89
页数 5页 分类号 TP31
字数 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 周爱武 安徽大学计算机科学与技术学院 34 615 11.0 24.0
2 张海涛 安徽大学计算机科学与技术学院 2 14 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (2)
共引文献  (4)
参考文献  (4)
节点文献
引证文献  (13)
同被引文献  (47)
二级引证文献  (40)
2000(2)
  • 参考文献(1)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(4)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(4)
  • 二级引证文献(0)
2016(4)
  • 引证文献(4)
  • 二级引证文献(0)
2017(6)
  • 引证文献(5)
  • 二级引证文献(1)
2018(12)
  • 引证文献(4)
  • 二级引证文献(8)
2019(24)
  • 引证文献(0)
  • 二级引证文献(24)
2020(7)
  • 引证文献(0)
  • 二级引证文献(7)
研究主题发展历程
节点文献
文本聚类
移动策略
观察半径
蚁群算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
微电子学与计算机
月刊
1000-7180
61-1123/TN
大16开
1972-01-01
chi
出版文献量(篇)
9826
总下载数(次)
0
总被引数(次)
59060
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导