一种实现微博兴趣挖掘的粒子群优化k-means算法

• 作者: 沈超 王逊 黄树成
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: k-means算法 粒子群优化算法 学习因子 惯性权重
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 算法与分析
• 页码范围: 1819-1823
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2020.08.001

摘要

针对k-means在聚类微博用户感兴趣话题时存在的问题,结合粒子群算法,提出一种学习因子、时间因子随惯性权重调整的MPSO-kmeans算法.该算法通过引入随惯性权重调整的学习因子,增强了惯性权重与学习因子之间的相互作用,提高了算法的全局搜索能力和局部寻优能力.在此基础上,引入线性飞行因子以减少粒子的震荡,近一步提高局部精度搜索能力.实验表明,该算法在聚类微博数据时,具有更好的寻优能力和聚类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄树成		36	126	5.0	10.0
2	王逊		21	25	3.0	4.0
3	沈超		1	0	0.0	0.0