论文研究结合双粒子群和Kmeans的混合文本聚类算法.pdf

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-mea