%0 Journal Article %A 王永贵 %A 林琳 %A 刘宪国 %T 基于改进粒子群优化的文本聚类算法研究 %D 2014 %R 10.3969/j.issn.1000-3428.2014.11.034 %J 计算机工程 %P 172-177 %V 40 %N 11 %X 针对k-means 算法的聚类结果高度依赖初始聚类中心选取的问题,提出一种基于改进粒子群优化的文本 聚类算法。分析粒子群算法和k-means 算法的特点,针对粒子群算法搜索精度不高、易陷入局部最优且早熟收敛的 缺点,设计自调节惯性权重机制及云变异算子以改进粒子群算法。自调节惯性权重机制根据种群进化程度,动态 地调节惯性权重,云变异算子基于云模型的随机性和稳定性,采用全局最优值实现粒子的变异。该算法结合了粒 子群算法较强的全局搜索能力与k-means 算法较强的局部搜索能力。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。实验结果表明,该算法是一种精确而又稳定的文本聚类算法。 %U http://www.ecice06.com/CN/10.3969/j.issn.1000-3428.2014.11.034