文献类型：期刊文章

作　　者：何婷婷[1] 戴文华[1] 焦翠珍[2]

机构地区：[1]华中师范大学计算机科学系,湖北武汉430079 [2]咸宁学院计算机系,湖北咸宁437005

出　　处：《中文信息学报》

基　　金：国家自然科学基金资助项目(60442005);国家自然科学基金资助项目(60673040);国家社会科学基金资助项目(06BYY029);教育部科学技术研究重点项目资助(105117)

年　　份：2007

卷　　号：21

期　　号：4

起止页码：55-60

语　　种：中文

收录情况：BDHX、BDHX2004、CSCD、CSCD2011_2012、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对传统K-Means聚类算法对初始聚类中心的选择敏感,易陷入局部最优解的问题,提出一种基于混合并行遗传算法的文本聚类方法。该方法首先将文档集合表示成向量空间模型,并在文档向量中随机选择初始聚类中心形成染色体,然后结合K-Means算法的高效性和并行遗传算法的全局优化能力,通过种群内的遗传、变异和种群间的并行进化、联姻,有效地避免了局部最优解的出现。实验表明该算法相对于K-Means算法、简单遗传算法等文本聚类方法具有更高的精确度和全局寻优能力。

关 键 词：计算机应用  中文信息处理 并行遗传算法 K—Means聚类  文本聚类 向量空间模型 特征抽取  

分 类 号：TP391]