一种杂交算法在Web文档聚类中的研究

摘要

本文针对K均值(K-means)聚类算法在Web文档聚类全局优化中的不足,提出了基于粒子群的K均值(PSO-KM)聚类算法.粒子群优化算法(PSO)是一种基于群智能的演化计算技术,有很强的全局搜索能力.文中采用F-measure和熵作为评价聚类质量的标准,把网上搜索到的真实Web文档作为实验数据对这种杂交算法进行了仿真试验.通过与K-means算法及基于基因算法的K均值(GA-KM)聚类算法的结果比较,可以看出PSO-KM聚类算法对Web文档的聚类质量优于其它两种算法,同时PSO-KM聚类算法的运算速度优于GA-KM算法.