基于粒子群的模糊c均值文本聚类算法研究

？利用模糊c均值算法解决文本聚类问题时，随机选取的初始聚类中心和聚类数会导致不同的聚类结果，且容易陷入局部最优。提出利用粒子群优化算法确定模糊c均值的初始聚类中心，并通过向量空间模型和特征提取，再利用模糊c均值进行文档聚类。实验表明，这种基于粒子群的模糊c均值聚类算法迭代次数少，能解决经典模糊c均值算法对初始值敏感和易陷入局部极小的缺点，且聚类速度和效果得到明显提高。