结合差分进化与K均值的Web文档聚类算法研究  

Research on Web document Clustering Combined Differential Evolution with K-means Algorithm

作　　者：姜凯[1] 左风朝[1] 

机构地区：[1]聊城大学计算机学院,山东聊城252059

出　　处：《聊城大学学报（自然科学版）》2012年第1期93-97,共5页Journal of Liaocheng University:Natural Science Edition

基　　金：山东省教育厅科技计划项目资助(J08LJ59)

摘　　要：为解决文档聚类问题,提出一种基于差分进化的聚类算法,通过把文档聚类问题建模为优化问题,对聚类准则函数进行优化,来寻找初始最优聚类中心.在此基础上,进一步提出两种差分进化算法与K均值结合的混合方法,来获得更好的聚类结果.实验表明,与经典K均值算法相比,新提出的两种混合方法能够获得较好的聚类质量.This paper proposes a novel differential evolution clustering algorithm for solving Web document clustering.First,by modeling Web document clustering problem as an optimization problem,the clustering criterion function is optimized aiming at finding the promising initial centroids.Then,K-means and differential evolution clustering algorithm are hybridized in two ways to achieve better clustering performance.Compared with K-means algorithm,experimental results reveal that the two proposed hybrid approaches can acquire better and higher clustering quality.

关 键 词：WEB文档聚类 差分进化算法 K均值 优化问题 

分 类 号：TP311[自动化与计算机技术—计算机软件与理论]