基于蟻群算法的中文本聚類(lèi)研究.pdf

1、在互聯(lián)網(wǎng)中，以新聞、電子書(shū)以及其它形式存在的信息正在高速增長(zhǎng)，如何有效地運(yùn)用海量信息成為人們目前面臨的一個(gè)關(guān)鍵問(wèn)題。為了梳理各種雜亂的信息，有監(jiān)督的分類(lèi)方法被用于大規(guī)模文檔分類(lèi)，但此類(lèi)方法都有一個(gè)內(nèi)在的缺點(diǎn)，即需要大量的人工干預(yù)才能獲得比較好的分類(lèi)結(jié)果。為了解決人工干預(yù)問(wèn)題，本文重點(diǎn)研究在文本數(shù)據(jù)挖掘中引入無(wú)監(jiān)督的大規(guī)模文本聚類(lèi)方法。
　　 首先，本文對(duì)文本聚類(lèi)技術(shù)的現(xiàn)狀和發(fā)展進(jìn)行了簡(jiǎn)要的回顧。文中分別對(duì)文本信息預(yù)處理的相關(guān)技術(shù)

2、和文本聚類(lèi)算法作了分析。文本信息預(yù)處理主要包括文本分詞、文本特征提取和文本相似度計(jì)算等部分。文本聚類(lèi)算法部分主要介紹了目前已有的各種聚類(lèi)算法并對(duì)其進(jìn)行比較分析，包括K-means聚類(lèi)算法、凝聚層次聚類(lèi)算法、基于密度的聚類(lèi)算法、基于遺傳算法的聚類(lèi)算法和基于蟻群的聚類(lèi)算法等。本文根據(jù)文本聚類(lèi)算法的特殊性，在快速分詞的方法中，采用分級(jí)詞庫(kù)的處理方法；在文本信息存儲(chǔ)處理中，采用壓縮處理的方法。
　　 然后，本文著重研究了基于蟻群算法的文

3、本聚類(lèi)算法。在改進(jìn)蟻群算法的同時(shí)，將凝聚聚類(lèi)算法融入蟻群算法框架，進(jìn)一步提高聚類(lèi)的速度。在分析蟻群算法在文本聚類(lèi)中的優(yōu)缺點(diǎn)基礎(chǔ)上，針對(duì)蟻群算法放置物體時(shí)的分散狀況，采用了緊湊算法；針對(duì)蟻群對(duì)選擇物體的隨機(jī)性問(wèn)題，提出了基于評(píng)估函數(shù)的拾起物體算法；針對(duì)蟻群算法的終止條件難以估計(jì)和不準(zhǔn)確的問(wèn)題，提出了根據(jù)用戶(hù)輸入的預(yù)期類(lèi)數(shù)和類(lèi)內(nèi)、類(lèi)間距離相結(jié)合的判別方法；針對(duì)蟻群算法在引入隨機(jī)計(jì)算時(shí)的復(fù)雜度問(wèn)題，將放置物體的閾值參數(shù)修改為動(dòng)態(tài)可變參數(shù)。在分