关于细菌觅食优化的k-medoids文本聚类方法.pdfVIP

I 算法k-medoids 细菌觅食算法 文本聚类 关键词 。局部最优。通过实验证明了本文方法的可行性 并能跳出 ，初始聚类中心随机选择的缺点k-medoids从而克服了 ，最佳的初始聚类中心 利用细菌觅食优化算法的全局寻优功能寻找 ，方法k-medoids用来改进 ，在文本聚类中 算法应用k-medoids本文就是将细菌觅食优化算法结合 。复制和迁徙等操作 、包括趋化 细菌觅食优化算法是一种仿生优化算法，模拟大肠杆菌觅食的行为提出的，主要 。生的聚类效果 因此这会影响该算法产 ，并且该算法易于终止于局部最优 ，始聚类中心的选择是随机的 初 ，一种基于划分的文本聚类的算法，在许多方面得到应用。但是该算法存在一些缺点 聚类算法是-medoidsk 成、摘要和检索的重要方法，是文本信息处理领域的研究热点。 集 、文本的聚类是一种有效的文本管理方法，已经成为对文本信息进行有效的组织 要 摘 要 摘 II K-medoids BFO clusteringText wordswordsKeyKey wordsKey wordsKey .method proposed theof feasibility the show results Experimental optimum. local the of out jump can and shortcomings, centers cluster initial chosen randomly overcoming thereby centers, cluster initial best the find tofunction optimization algorithmoptimization foraging bacterial method, k-medoids the improve to order in algorithm, clustering text in used algorithm k-medoids with foraging bacteria the ingcombin is article This operations. migration and reproduction chemotaxis, including ,bacillus colon of behavior foraging simulated algorithm, optimization bionic a and algorithm optimization an is which algorithm optimization foraging Bacterial effect.clustering thegenerate toalgorithm theaffect will this So optimum. local a in terminate to easy is algorithm the and random, is centers cluster initialof choice the shortcomings, some has algorithm the But ways.many in applied algorithm, cluste