基于改进BBO的Web文本聚类算法  

Clustering Web Documents Based on Improved BBO Model

作　　者：李超雄[1] 黄发良[1] 温肖谦 

机构地区：[1]福建师范大学软件学院,福建福州350117

出　　处：《福建师范大学学报（自然科学版）》2015年第6期18-23,117,共7页Journal of Fujian Normal University：Natural Science Edition

基　　金：教育部人文社会科学研究青年基金项目(12YJCZH074);福建省教育厅资助项目(JA13077)

摘　　要：针对生物地理优化算法(Biogeography-Based Optimization,BBO)随机初始化以及轮盘迁移机制等不足,结合自组织神经网络算法(Self-Organizing Map,SOM),提出了一种用于Web文本聚类的改进BBO算法(Improved Biogeography-Based Optimization,IBBO).该算法引入SOM改进BBO栖息地随机初始化策略,并结合局部优化思想提出了一个基于梯度下降贪心搜索(Gradient Descent Search,GDS)的新迁移算子.真实数据集Reuters-21578的实验结果表明IBBO算法具有良好的聚类有效性,能更好地对Web文本进行聚类.For the traditional BBO＇s disadvantages such as random initialization and roulette migration strategy,an improved BBO algorithm IBBO is proposed for clustering web documents. The proposed algorithm introduces SOM to BBO to improve random initialization and devises a new migration operator based on gradient descent local optimization. The experimental results on real data sets Reuters-21578 show that,in contrast with traditional BBO,IBBO has better clustering validity and can efficiently conduct web document cluster analysis.

关 键 词：WEB文本聚类 生物地理优化算法 自组织神经网络 

分 类 号：TP393.1[自动化与计算机技术—计算机应用技术]