结合权重因子和特征向量改进的混合聚类方法.PDFVIP

第３２卷第１１期　　　 计算机应用与软件 Ｖｏｌ３２Ｎｏ．１１ ２０１５年１１月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｎｏｖ．２０１５ 结合权重因子和特征向量改进的混合聚类方法 董跃华　郭士串 （江西理工大学信息工程学院　江西赣州３４１０００） 摘　要　　针对特征词权重表示文本时存在的局限性和遗传Ｋ均值算子操作的低效性，首先通过特征词权重因子（ＷＦ）和特征向 量结合位置权重信息的方法进行文本预处理，在此基础上通过遗传控制因子（ＧＣＦ）改进遗传Ｋ均值文本聚类算法。在个体进行交 叉和变异时，使用ＧＣＦ对其进行控制，并对交叉和变异概率采用自适应控制，确保了优质个体顺利进入到下一代种群。实验表明， 该研究不仅对特征词分类及其权重的有效计算作出改进，还使文本聚类精度得到提高。 关键词　　文本聚类　权重因子　特征向量　遗传控制因子　遗传Ｋ均值 中图分类号　ＴＰ３９１　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１５．１１．０６１ ＨＹＢＲＩＤＣＬＵＳＴＥＲＩＮＧＭＥＴＨＯＤＩＭＰＲＯＶＥＤＢＹＣＯＭＢＩＮＩＮＧ ＷＥＩＧＨＴＩＮＧＦＡＣＴＯＲＡＮＤＦＥＡＴＵＲＥＶＥＣＴＯＲ ＤｏｎｇＹｕｅｈｕａ　ＧｕｏＳｈｉｃｈｕａｎ （ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＪｉａｎｇｘｉＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｇａｎｚｈｏｕ３４１０００，Ｊｉａｎｇｘｉ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｗｈｅｎｕｓｉｎｇｆｅａｔｕｒｅｗｏｒｄｗｅｉｇｈｔｔｏｅｘｐｒｅｓｓｔｈｅｔｅｘｔ，ｔｈｅｒｅａｒｅｔｈｅｌｉｍｉｔａｔｉｏｎａｎｄｔｈｅｉｎｅｆｆｉｃｉｅｎｃｙｉｎｏｐｅｒａｔｉｏｎｏｆｇｅｎｅｔｉｃｋｍｅａｎｓ ｏｐｅｒａｔｏｒ．Ｉｎｏｒｄｅｒｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｓ，ｉｎｔｈｅｐａｐｅｒｗｅｆｉｒｓｔｐｒｅｐｒｏｃｅｓｓｔｈｅｔｅｘｔｔｈｒｏｕｇｈｔｈｅｍｅｔｈｏｄｏｆｃｏｍｂｉｎｇｔｈｅｗｅｉｇｈｔｆａｃｔｏｒ（ＷＦ）ａｎｄ ｆｅａｔｕｒｅｖｅｃｔｏｒｏｆｆｅａｔｕｒｅｗｏｒｄｓｗｉｔｈｔｈｅｉｎｆｏｒｍａｔｉｏｎｏｆｐｏｓｉｔｉｏｎｗｅｉｇｈｔ．Ｏｎｔｈｉｓｂａｓｉｓｗｅｉｍｐｒｏｖｅｔｈｅｇｅｎｅｔｉｃｋｍｅａｎｓｔｅｘｔｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍ ｕｓｉｎｇｇｅｎｅｔｉｃｃｏｎｔｒｏｌｆａｃｔｏｒ（ＧＣＦ）．ＧＣＦｉｓｕｓｅｄｔｏｃｏｎｔｒｏｌｔｈｅｉｎｄｉｖｉｄｕａｌｓｉｎｔｈｅｉｒｃｒｏｓｓｏｖｅｒａｎｄｍｕｔａｔｉｏｎｏｐｅｒａｔｉｏｎｔｏｏ，ａｎｄｃａｒｒｉｅｓｏｕｔｔｈｅ ａｄａｐｔｉｖｅｃｏｎｔｒｏｌｆｏｒｃｒｏｓｓｏｖｅｒａｎｄｍｕｔａｔｉｏｎｐｒｏｂａｂｉｌｉｔｉｅｓ，ｔｈｕｓｍａｋｅｓｓｕｒｅｔｈｅｉｎｄｉｖｉｄｕａｌｓｗｉｔｈｈｉｇｈｑｕａｌｉｔｉｅｓｗｉｌｌｓｍｏｏｔｈｌｙｇｅｔｉｎｔｏｔｈｅ ｐｏｐｕｌａｔｉｏｎｏｆｎｅｘｔｇｅｎｅｒａｔｉｏｎ．Ｅｘｐｅｒｉｍｅｎｔｓｈｏｗｓｔｈａｔｔｈｅｒｅｓｅａｒｃｈｃａｎｉｍｐｒｏｖｅｔｈｅｅｆｆｅｃｔｉｖｅｃａｌｃｕｌａｔｉｏｎｏｆｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎａｎｄｗｅｉｇｈｔｓｏｆ ｆｅａｔｕｒｅｗｏｒｄｓ，ａｎｄｅｎｈａｎｃｅｓｔｈｅｔｅｘｔｃｌｕｓｔｅｒｉｎｇａｃｃｕｒａｃｙａｓｗｅｌｌ． Ｋｅｙｗｏｒｄｓ　　Ｔｅｘｔｃｌｕｓｔｅｒｉｎｇ　Ｗｅｉｇｈｔｉｎｇｆａｃｔｏｒ　Ｆｅａｔｕｒｅｖｅｃｔｏｒ　Ｇｅｎｅｔｉｃｃｏｎｔｒｏｌｆａｃｔｏｒ　Ｇｅｎｅｔｉｃｋｍｅａｎｓ 退化现象，在每次进化操作前需对全部基因进行距离重排。文献 ０　引　言 ［７，８］则使用穷举法去寻找聚类簇的最佳数目，并证明了簇数目 的上界为ｋ（ｋ ｎ），但这种方法对有大量样本数ｎ的集合几