一种实现微博兴趣挖掘的粒子群优化k-means算法

摘要

针对k-means在聚类微博用户感兴趣话题时存在的问题,结合粒子群算法,提出一种学习因子、时间因子随惯性权重调整的MPSO-kmeans算法.该算法通过引入随惯性权重调整的学习因子,增强了惯性权重与学习因子之间的相互作用,提高了算法的全局搜索能力和局部寻优能力.在此基础上,引入线性飞行因子以减少粒子的震荡,近一步提高局部精度搜索能力.实验表明,该算法在聚类微博数据时,具有更好的寻优能力和聚类效果.