摘要
为了解决文献自动分类问题,提出了一种基于粒子群优化算法(PSO)的文档聚类算法并根据各种参数的变化策略进行了分析与比较。由于粒子运动的范围受到粒子最大速度V_(max)的影响,本文通过改变V_(max)的变化类型进行仿真比较,当V_(max)为凹函数,PSO算法具有较好的收敛性。同时,对惯性权重和学习系数进行了研究,提出了相应的变化策略:惯性权重线性递减,自身认知系数线性递增而社会认知系数线性递减。给出了PSO聚类算法的详细步骤,并根据各种变化策略进行了仿真分析,取得了较好的聚类效果。与标准的遗传算法(GA)相比,本文提出的PSO聚类算法具有更好的收敛效果。
In order to implement documents automatic classification,a clustering algorithm based on PSO is proposed.As the scope of the particles is limited by the maximal velocity(V_(max)),this paper puts forward five type functions for V_(max).Though simulation,the PSO algorithm may achieve better convergence when the type of V_(max) is a concave function.By researching inertia weight and learn coefficient of PSO,we design corresponding change strategies.The steps of the PSO algorithm are given in detail. The experiment result shows that PSO can obtain better performance than GA.
出处
《情报学报》
CSSCI
北大核心
2010年第3期428-432,共5页
Journal of the China Society for Scientific and Technical Information
基金
国家社科基金青年自选项目(09CTQ022)
江苏省“六大人才高峰”第六批资助项目(09-E-016)
教育部人文社会科学重点研究基地2008年度重大项目(08JJD870225)