河南省教育厅科学技术研究重点项目(2008A510007)
- 作品数：2 被引量：14H指数：2
- 相关作者：徐家宁张立文李进徐素莉李孝闯更多>>
- 相关机构：太原科技大学河南科技大学更多>>
- 发文基金：河南省教育厅科学技术研究重点项目河南省科技攻关计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于免疫网络和SOM的文本聚类算法研究被引量：3
- 2010年
- 文本聚类的核心问题是找到一种优化的聚类算法对文本向量进行聚类,是典型的高维数据聚类,提出一种基于自组织神经网络SOM和人工免疫网络aiNet的两阶段文本聚类算法TCBSA。新算法先用SOM神经网络进行聚类,把高维的文本数据映射到二维的平面上,然后再用aiNet对文本聚类。该方法利用SOM神经网络对高维数据降维的优点,克服了人工免疫网络对高维数据的聚类能力差的缺点。仿真实验结果表明该文本聚类算法不仅是可行的,而且具有一定的自适应能力和较好的聚类效果。
- 张立文徐家宁李进李孝闯
- 关键词：文本聚类向量空间模型人工免疫网络自组织神经网络
- 改进遗传算法的K-均值聚类算法研究被引量：11
- 2010年
- 传统的k-均值算法对初始聚类中心的敏感很大,极易陷入局部最优值;利用遗传算法或免疫规划算法解决初始聚类中心是较好的方法,但后期容易出现收敛速度缓慢。为了克服上述缺点,文章将免疫原理的选择操作机制引入遗传算法中,使个体浓度和适应度同时对个体的选择施加影响,以此提出基于改进遗传算法的K-均值聚类算法,该方法利用K-均值算法的高效性和改进遗传算法的全局优化搜索能力,较好地解决了聚类中心优化问题。试验结果表明,本算法能够有效改善聚类质量,并且具有较好的收敛速度。
- 徐家宁张立文徐素莉李进
- 关键词：聚类分析遗传算法免疫机制K-均值
