计算机工程与应用

2021, v.57;No.968(01) 188-193

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

改进灰狼优化算法的K-Means文本聚类
K-Means Text Clustering Based on Improved Gray Wolf Optimization Algorithm

潘成胜;张斌;吕亚娜;杜秀丽;邱少明;

摘要(Abstract):

针对K-Means算法在文本聚类过程中易陷入局部最优,造成文本聚类结果不准确的问题,提出了一种基于改进灰狼优化算法的K-Means文本聚类方法。在对文本数据进行分词、去停用词、特征提取以及文本向量化后,通过免疫克隆选择选出精英个体,并对精英个体进行深度探索以增加灰狼种群的多样性,避免早熟收敛现象的发生;将粒子群位置更新思想与灰狼位置更新结合,降低灰狼优化算法陷入局部极值的风险;与K-Means算法结合进行文本聚类。所提算法与K-Means算法、GWO-KMeans以及IPSK-Means算法相比,其准确率、召回率和F值平均都有明显提高,文本聚类结果更可靠。

关键词(KeyWords): K-Means算法;文本聚类;灰狼优化算法;免疫克隆;粒子群

Abstract:

Keywords:

基金项目(Foundation): 中央军委装备发展部领域基金

作者(Author): 潘成胜;张斌;吕亚娜;杜秀丽;邱少明;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享