余弦度量和适应度函数改进的聚类方法

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

余弦度量和适应度函数改进的聚类方法

施侃晟, 刘海涛, 白英彩, 宋文涛, 洪亮亮

文章导航 > 电子科技大学学报 > 2013 > 42(4): 621-624

施侃晟, 刘海涛, 白英彩, 宋文涛, 洪亮亮. 余弦度量和适应度函数改进的聚类方法[J]. 电子科技大学学报, 2013, 42(4): 621-624. doi: 10.3969/j.issn.1001-0548.2013.04.017

引用本文:

施侃晟, 刘海涛, 白英彩, 宋文涛, 洪亮亮. 余弦度量和适应度函数改进的聚类方法[J]. 电子科技大学学报, 2013, 42(4): 621-624. doi: 10.3969/j.issn.1001-0548.2013.04.017

SHI Kan-sheng, LIU Hai-tao, BAI Yin-cai, SONG Wen-tao, HONG Liang-liang. Text Clustering Method with Improved Fitness Function and Cosine Similarity Measure[J]. Journal of University of Electronic Science and Technology of China, 2013, 42(4): 621-624. doi: 10.3969/j.issn.1001-0548.2013.04.017

Citation:

SHI Kan-sheng, LIU Hai-tao, BAI Yin-cai, SONG Wen-tao, HONG Liang-liang. Text Clustering Method with Improved Fitness Function and Cosine Similarity Measure[J]. Journal of University of Electronic Science and Technology of China, 2013, 42(4): 621-624. doi: 10.3969/j.issn.1001-0548.2013.04.017

余弦度量和适应度函数改进的聚类方法

doi: 10.3969/j.issn.1001-0548.2013.04.017

1.
上海交通大学电子与电气工程系上海徐汇区 200030;
2.
中国孵化中心杭州 310053

基金项目:

国家自然科学基金(61073150)

作者简介:
施侃晟(1966-),男,教授,主要从事信息挖掘、云计算和物联网方面的研究.

中图分类号: TP18

Text Clustering Method with Improved Fitness Function and Cosine Similarity Measure

1.
College of Electronic and Electric Engineering,Shanghai Jiaotong University Xuhui Shanghai 200030;
2.
China Incubating Center Hangzhou 310053

摘要: K-均值算法因其简单和高效性, 在文本聚类中占有重要地位. 针对传统的K-均值算法对初始点敏感、易陷入局部最优的问题, 结合遗传算法已经成为一种趋势. 在充分发挥K-均值算法的高效性的同时, 该文利用遗传算法的全局自适应优化特点克服了对初始点敏感的问题. 同时, 以余弦度量评价对象间的相似性并以此构造新的遗传算法适应度函数、收敛准则以及遗传算法种群更新方式, 提高了K-均值和遗传算法这种结合方式的聚类精度, 并增强了该结合算法的稳定性.
- 遗传算法 /
- 适应度函数 /
- K-均值算法 /
- 相似性度量 /
- 文本聚类
Abstract: The traditional K-means algorithm is widely used because of its simplicity and efficiency. However, it is sensitive to the initial point and easy to fall into local optimum. In this paper, we use cosine measure to evaluate the similarity between objects and construct a new fitness function of genetic algorithm and the new convergence criterion for K-means algorithm. Experimental results show that the new method enhances the clustering accuracy and stability for the combination of K-means and genetic algorithm.
- genetic algorithm /
- fitness function /
- K-means algorithm /
- similarity measurement /
- text clustering

[1]	钱志森, 黄瑞章, 魏琴, 秦永彬, 陈艳平. 半监督语义动态文本聚类算法 . 电子科技大学学报, 2019, 48(6): 803-808. doi: 10.3969/j.issn.1001-0548.2019.06.001
[2]	李海林, 魏苗. 自适应属性加权近邻传播聚类算法 . 电子科技大学学报, 2018, 47(2): 247-255. doi: 10.3969/j.issn.1001-0548.2018.02.014
[3]	李晓瑜, 俞丽颖, 雷航, 唐雪飞. 一种K-means改进算法的并行化实现与应用 . 电子科技大学学报, 2017, 46(1): 61-68. doi: 10.3969/j.issn.1001-0548.2017.01.010
[4]	张云春, 王玉婧, 姚绍文, 李娜, 胡建陶. 基于粒子群优化的无线Mesh网络信道分配算法 . 电子科技大学学报, 2017, 46(5): 728-733, 746. doi: 10.3969/j.issn.1001-0548.2017.05.015
[5]	格桑多吉, 乔少杰, 韩楠, 张小松, 杨燕, 元昌安, . 基于Single-Pass的网络舆情热点发现算法 . 电子科技大学学报, 2015, 44(4): 599-604. doi: 10.3969/j.issn.1001-0548.2015.04.021
[6]	薛羽, 庄毅, 朱浩, 张友益礻禹. 求解协同干扰问题的高效免疫遗传算法 . 电子科技大学学报, 2013, 42(3): 452-458. doi: 10.3969/j.issn.1001-0548.2013.03.026
[7]	万建臣, 靳宗信. 多峰值函数优化问题的免疫遗传算法求解 . 电子科技大学学报, 2013, 42(5): 769-772. doi: 10.3969/j.issn.1001-0548.2013.05.024
[8]	李太勇, 唐常杰, 吴江, 乔少杰, 姜玥, 陈瑜. 基因表达式编程种群多样性自适应调控算法 . 电子科技大学学报, 2010, 39(2): 279-283. doi: 10.3969/j.issn.1001-0548.2010.02.027
[9]	曾翎, 王美玲, 陈华富. 遗传模糊C-均值聚类算法应用于MRI分割 . 电子科技大学学报, 2008, 37(4): 627-629.
[10]	朱君, 曲超, 汤庸. 利用单词超团的二分图文本聚类算法 . 电子科技大学学报, 2008, 37(3): 439-442.
[11]	李向阳, 张亚非. 一种基于遗传算法的语义标注 . 电子科技大学学报, 2007, 36(1): 86-89.
[12]	吴传信, 倪明放, 陈鸣. 路由选择的一种新遗传算法 . 电子科技大学学报, 2006, 35(5): 744-747.
[13]	黄羽, 黄迪明, 何险峰, 武明. 遗传算法在入侵检测中的应用 . 电子科技大学学报, 2003, 32(6): 679-682.
[14]	王忠, 柴贺军, 刘浩吾. 关于进化遗传算法的几点改进 . 电子科技大学学报, 2002, 31(1): 76-79.
[15]	王海枚, 游志胜. 基于遗传算法与模糊控制的建模方法 . 电子科技大学学报, 2002, 31(3): 266-269.
[16]	张宇, 郭晶, 周激流. 动态变异遗传算法 . 电子科技大学学报, 2002, 31(3): 234-239.
[17]	饶克谨, 苟益. 电路模拟吸收体的遗传算法设计 . 电子科技大学学报, 2000, 29(1): 54-60.
[18]	王勇, 陈光. 面向时滞测试生成的改进遗传算法 . 电子科技大学学报, 1999, 28(2): 157-161.
[19]	吴斌, 吴坚, 涂序彦. 快速遗传算法研究 . 电子科技大学学报, 1999, 28(1): 49-53.
[20]	潘中良, 陈光. 测试图形生成的遗传算法研究 . 电子科技大学学报, 1997, 26(5): 511-514.

WeChat

点击查看大图

计量

文章访问数: 3516
HTML全文浏览量: 131
PDF下载量: 64
被引次数: 0

余弦度量和适应度函数改进的聚类方法

doi: 10.3969/j.issn.1001-0548.2013.04.017

1. 上海交通大学电子与电气工程系上海徐汇区 200030;

2. 中国孵化中心杭州 310053

基金项目:

国家自然科学基金(61073150)

作者简介:
施侃晟(1966-),男,教授,主要从事信息挖掘、云计算和物联网方面的研究.

收稿日期: 2011-08-29
修回日期: 2012-04-18
刊出日期: 2013-08-15

中图分类号: TP18

关键词:

摘要: K-均值算法因其简单和高效性, 在文本聚类中占有重要地位. 针对传统的K-均值算法对初始点敏感、易陷入局部最优的问题, 结合遗传算法已经成为一种趋势. 在充分发挥K-均值算法的高效性的同时, 该文利用遗传算法的全局自适应优化特点克服了对初始点敏感的问题. 同时, 以余弦度量评价对象间的相似性并以此构造新的遗传算法适应度函数、收敛准则以及遗传算法种群更新方式, 提高了K-均值和遗传算法这种结合方式的聚类精度, 并增强了该结合算法的稳定性.

English Abstract

施侃晟, 刘海涛, 白英彩, 宋文涛, 洪亮亮. 余弦度量和适应度函数改进的聚类方法[J]. 电子科技大学学报, 2013, 42(4): 621-624. doi: 10.3969/j.issn.1001-0548.2013.04.017

引用本文:

施侃晟, 刘海涛, 白英彩, 宋文涛, 洪亮亮. 余弦度量和适应度函数改进的聚类方法[J]. 电子科技大学学报, 2013, 42(4): 621-624. doi: 10.3969/j.issn.1001-0548.2013.04.017

SHI Kan-sheng, LIU Hai-tao, BAI Yin-cai, SONG Wen-tao, HONG Liang-liang. Text Clustering Method with Improved Fitness Function and Cosine Similarity Measure[J]. Journal of University of Electronic Science and Technology of China, 2013, 42(4): 621-624. doi: 10.3969/j.issn.1001-0548.2013.04.017

Citation:

SHI Kan-sheng, LIU Hai-tao, BAI Yin-cai, SONG Wen-tao, HONG Liang-liang. Text Clustering Method with Improved Fitness Function and Cosine Similarity Measure[J]. Journal of University of Electronic Science and Technology of China, 2013, 42(4): 621-624. doi: 10.3969/j.issn.1001-0548.2013.04.017

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发