基于增强蜂群优化与 K-means 的文本聚类算法

• 作者: 柯钢
• 来源期刊: 计算机应用研究
• 关键词: 蜂群算法 公平操作 克隆操作 多样性 局部提炼 文本聚类
• 年，卷（期）: 2016,（8）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2298-2302
• 页数: 5页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2016.08.013

摘要

针对文本数据维度较高、空间分布稀疏及其聚类效果不佳的问题，提出一种基于增强蜂群优化搜索与K-means 的高效文本聚类算法。首先为蜂群算法引入公平操作与克隆操作来提高全局搜索的能力，公平操作提高了样本多样性，并增强了蜂群搜索能力；克隆操作则增强了各代之间的信息交流，提高了求解质量。最终引入K-means 进行局部质心的提炼，提高聚类质量。基于文本数据集的实验结果证明，相较于其他聚类算法，本算法具有更高的聚类质量。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	柯钢	东莞职业技术学院计算机工程系	27	75	5.0	6.0