结合双粒子群和K-means的混合文本聚类算法

作     者：王永贵 林琳 刘宪国 

作者机构：辽宁工程技术大学软件学院辽宁葫芦岛125105 

基　　金：国家自然科学基金资助项目(60903082) 辽宁省教育厅项目(L2012113) 

出 版 物：《计算机应用研究》 (Application Research of Computers)

年 卷 期：2014年第31卷第2期

页      码：364-368页

摘      要：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。

主 题 词：双粒子群 自调整惯性权值 信息交流 K-means算法 文本聚类 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 081202[081202] 

核心收录：

D　O　I：10.3969/j.issn.1001-3695.2014.02.011

馆 藏 号：203596812...