-
题名结合双粒子群和K-means的混合文本聚类算法
被引量：16
- 1
-
-
作者
王永贵
林琳
刘宪国
-
机构
辽宁工程技术大学软件学院
-
出处
《计算机应用研究》
CSCD
北大核心
2014年第2期364-368,共5页
-
基金
国家自然科学基金资助项目(60903082)
辽宁省教育厅项目(L2012113)
-
文摘
传统K-means算法对初始聚类中心选择较敏感,结果有可能收敛于一般次优解,为些提出一种结合双粒子群和K-means的混合文本聚类算法。设计了自调整惯性权值策略,根据最优适应度值的变化率动态调整惯性权值。两子群分别采用基于不同惯性权值策略的粒子群算法进化,子代间及子代与父代信息交流,共享最优粒子,替换最劣粒子,完成进化,该算法命名为双粒子群算法。将能平衡全局与局部搜索能力的双粒子群算法与高效的K-means算法结合,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,用K-means算法优化新生粒子,即为结合双粒子群和K-means的混合文本聚类算法。实验结果表明,该算法相对于K-means、PSO等文本聚类算法具有更强鲁棒性,聚类效果也有明显的改善。
-
关键词
双粒子群
自调整惯性权值
信息交流
K-MEANS算法
文本聚类
-
Keywords
dual particle swarm optimization
self-adjusting inertia weight（siw）
information exchange
K-means
text clus- tering
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
TP301.6
[自动化与计算机技术—计算机系统结构]
-
