一种实现微博兴趣挖掘的粒子群优化k-means算法
沈超
王逊
黄树成
1.江苏科技大学计算机学院 镇江 2120032.江苏科技大学计算机学院 镇江 2120033.江苏科技大学计算机学院 镇江 212003
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.
关键词：k-means算法粒子群优化算法学习因子惯性权重
分类号：TP391(计算技术、计算机技术)
资助基金：国家自然科学基金(61772244)
论文发表日期：2020-08-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 1819-1823 )
英文信息