基于蟻群算法的中文本聚類研究.pdf

1、在互聯(lián)網(wǎng)中，以新聞、電子書以及其它形式存在的信息正在高速增長，如何有效地運(yùn)用海量信息成為人們目前面臨的一個關(guān)鍵問題。為了梳理各種雜亂的信息，有監(jiān)督的分類方法被用于大規(guī)模文檔分類，但此類方法都有一個內(nèi)在的缺點(diǎn)，即需要大量的人工干預(yù)才能獲得比較好的分類結(jié)果。為了解決人工干預(yù)問題，本文重點(diǎn)研究在文本數(shù)據(jù)挖掘中引入無監(jiān)督的大規(guī)模文本聚類方法。
　　 首先，本文對文本聚類技術(shù)的現(xiàn)狀和發(fā)展進(jìn)行了簡要的回顧。文中分別對文本信息預(yù)處理的相關(guān)技術(shù)

2、和文本聚類算法作了分析。文本信息預(yù)處理主要包括文本分詞、文本特征提取和文本相似度計(jì)算等部分。文本聚類算法部分主要介紹了目前已有的各種聚類算法并對其進(jìn)行比較分析，包括K-means聚類算法、凝聚層次聚類算法、基于密度的聚類算法、基于遺傳算法的聚類算法和基于蟻群的聚類算法等。本文根據(jù)文本聚類算法的特殊性，在快速分詞的方法中，采用分級詞庫的處理方法；在文本信息存儲處理中，采用壓縮處理的方法。
　　 然后，本文著重研究了基于蟻群算法的文

3、本聚類算法。在改進(jìn)蟻群算法的同時(shí)，將凝聚聚類算法融入蟻群算法框架，進(jìn)一步提高聚類的速度。在分析蟻群算法在文本聚類中的優(yōu)缺點(diǎn)基礎(chǔ)上，針對蟻群算法放置物體時(shí)的分散狀況，采用了緊湊算法；針對蟻群對選擇物體的隨機(jī)性問題，提出了基于評估函數(shù)的拾起物體算法；針對蟻群算法的終止條件難以估計(jì)和不準(zhǔn)確的問題，提出了根據(jù)用戶輸入的預(yù)期類數(shù)和類內(nèi)、類間距離相結(jié)合的判別方法；針對蟻群算法在引入隨機(jī)計(jì)算時(shí)的復(fù)雜度問題，將放置物體的閾值參數(shù)修改為動態(tài)可變參數(shù)。在分