基于自适应混沌粒子群的Web搜索结果聚类研究  

Research of Web Search Results Clustering Based on Adaptive Chaos Particle Swarm Optimization

作　　者：童亚拉[1] 

机构地区：[1]湖北工业大学理学院,湖北武汉430068

出　　处：《微电子学与计算机》2010年第1期173-176,共4页Microelectronics & Computer

基　　金：国家自然科学基金项目(60773009);湖北工业大学博士科研启动基金(BSQD0830)

摘　　要：提出了基于自适应混沌粒子群的Web搜索结果模糊C-均值算法,用粒子群算法代替模糊C-均值算法梯度下降的迭代过程,同时引入自适应的平衡搜索策略加快算法收敛和提高去噪能力,在增强局部搜索能力的同时引导粒子群跳出局部极值点.这样不仅在一定程度上解决了网页文档不确定性的问题,而且获得快速、稳定的聚类效果.A fuzzy C- means clustering algorithm based on adaptive chaotic particle swarm optimization （ACPSO） is proposed in the thesis. On one hand, interactive procedure based on FCM is replaced by that of PSO; on the other hand, a balanced adaptive .search strategy is embedded so as to accelerate algorithm convergence, improve the capacity of de-noising, enforce local search ability, and escape from local optimization. It will not only solve indeterminacy of Web document in parts, but also obtain stable clustering results quickly.

关 键 词：Web搜索结果聚类 混沌粒子群 模糊C-均值算法 自适应策略 

分 类 号：TP301[自动化与计算机技术—计算机系统结构]