基于改进灰狼优化的文本聚类多阶段特征选择算法

作     者：刘泓铄 王诗瑶 周灵鸽 张建锋 Liu Hongshuo;Wang Shiyao;Zhou Lingge;Zhang Jianfeng

作者机构：西北农林科技大学信息工程学院陕西杨凌712100 

基　　金：陕西省重点研发计划项目(2019NY-164) 

出 版 物：《计算机应用与软件》 (Computer Applications and Software)

年 卷 期：2023年第40卷第3期

页      码：316-324页

摘      要：为了降低文本特征维度,提高聚类准确度,提出改进灰狼优化多阶段特征选择与特征提取算法。结合平均绝对差和平均中位数作相关特征选择,利用合并/交叉融合特征子集;根据余弦相似性作特征提取,得到初选特征子集;基于初选特征子集,设计改进二进制灰狼优化算法(IBGWO)求解最优特征子集,利用累计词频和文档频率定义适应度,引入反向学习、非线性收敛系数衰减及精英反向学习机制,提升灰狼优化寻优性能。结果表明,该算法的聚类准确率、召回率及F1值指标优于同类算法,可以有效降低特征维度,提升聚类效率。

主 题 词：特征选择 特征提取 二进制灰狼优化算法 反向学习 文本聚类 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 08[工学] 081201[081201] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1000-386x.2023.03.050

馆 藏 号：203120959...