基于混合并行遗传算法的文本聚类研究.pdf

第 2 1 卷 　第 4 期 中文信息学报 Vol . 2 1 , No . 4 2007 年 7 月 J OU RN AL O F C H IN ESE IN FO RMA T ION PROCESSIN G J ul . , 2007 文章编号 : (2007) 基于混合并行遗传算法的文本聚类研究 1 1 ,2 2 何婷婷 , 戴文华 , 焦翠珍 ( 1. 华中师范大学 计算机科学系 ,湖北 武汉 430079 ; 2 . 咸宁学院 计算机系 ,湖北 咸宁 437005) 摘 　要 : 针对传统 KMean s 聚类算法对初始聚类中心的选择敏感 , 易陷入局部最优解的问题 ,提出一种基于混合 并行遗传算法的文本聚类方法 。该方法首先将文档集合表示成向量空间模型 ,并在文档向量中随机选择初始聚类 中心形成染色体 ,然后结合 KMean s 算法的高效性和并行遗传算法的全局优化能力 ,通过种群内的遗传 、变异和种 群间的并行进化 、联姻 ,有效地避免了局部最优解的出现 。实验表明该算法相对于 KMean s 算法 、简单遗传算法等 文本聚类方法具有更高的精确度和全局寻优能力 。 关键词 : 计算机应用 ; 中文信息处理 ;并行遗传算法 ; KMean s 聚类 ;文本聚类 ; 向量空间模型 ;特征抽取 中图分类号 : TP39 1 　　　　文献标识码 : A Research of Text Clustering Based on Hybrid Parallel Genetic Algorithm H E Tingting1 , DA I Wenhua1 ,2 , J IAO Cuizhen2 ( 1. Dep art ment of Comp ut er Science , Cent ral China Normal U niver sit y , Wuhan , Hubei 430079 , China , 2 . Dep art ment of Comp ut er , Xianning College , Xianning , Hubei 437005 , China) Abstract : KMean s Clu st ering Algorit hm i s sen sitive to t he choice of t he initial clu st er cent er , ea sy to fall into a local op timal solution . In or der to avoid t hi s kind of flaw , we p ropo sed Hybrid Parallel Genetic Algorit hm . In t hi s met h od , we exp ressed t he document s set into Vector Sp ace Model and randomly cho se initial clu st ering cent re to form chromo some among document vector s , t hen combined t he efficiency of Kmean s Algorit hm and t he global op timiza tion abilit y of Parallel Genetic Algorit