[摘要]　利用模糊C均值算法解決文本聚類問題時，隨機選取的初始聚類中心和聚類數(shù)會導致不同的聚類結(jié)果，且容易陷入局部最優(yōu)。提出利用粒子群優(yōu)化算法確定模糊c均值的初始聚類中心，并通過向量空間模型和特征提取，再利用模糊c均值進行文檔聚類。實驗表明，這種基于粒子群的模糊c均值聚類算法迭代次數(shù)少，能解決經(jīng)典模糊c均值算法對初始值敏感和易陷入局部極小的缺點，且聚類速度和效果得到明顯提高。
　　[關鍵詞]　模糊C均值　粒子群　文本聚類
　　[分類號]　TP391
　　
　　注：“本文中所涉及到的圖表、注解、公式等內(nèi)容請以PDF格式閱讀原文”

相關熱詞搜索：粒子 算法 均值 基于粒子群的模糊C均值文本聚類算法研究pdf 均值聚類算法研究 基于粒子群優(yōu)化的模糊c