一种基于黑洞算法的模糊C均值文本聚类方法

doi:10.12068/j.issn.1005-3026.2017.08.001

东北大学学报:自然科学版 ›› 2017, Vol. 38 ›› Issue (8): 1065-1069.DOI: 10.12068/j.issn.1005-3026.2017.08.001

• 信息与控制 • 下一篇

一种基于黑洞算法的模糊C均值文本聚类方法

柳玉辉¹，王伟超¹，孟磊²

(1. 东北大学计算机科学与工程学院，辽宁沈阳110169; 2. 东网科技有限公司，辽宁沈阳110169)

收稿日期:2016-03-14 修回日期:2016-03-14 出版日期:2017-08-15 发布日期:2017-08-12
通讯作者: 柳玉辉
作者简介:柳玉辉(1966-)，男，山东烟台人，东北大学副教授.
基金资助:
国家高技术研究发展计划项目(2015AA016005).

Document Clustering of Fuzzy C-Means Based on Black Hole Algorithm

LIU Yu-hui¹， WANG Wei-chao¹， MENG Lei²

1. School of Computer Science & Engineering， Northeastern University， Shenyang 110169， China; 2. Neunn Technology Co.， Ltd， Shenyang 110169， China.

Received:2016-03-14 Revised:2016-03-14 Online:2017-08-15 Published:2017-08-12
Contact: LIU Yu-hui
About author:-
Supported by:
-

摘要/Abstract

摘要： FCM算法应用于文本聚类时，由于初始聚类中心点选择的随机性，以及容易陷入局部最优的问题，导致文本聚类效果较差.为了提高FCM算法的聚类精度，提出了采用黑洞算法寻找FCM最优初始聚类中心的方法.黑洞算法是一种启发式优化方法，在FCM初始聚类中心寻优的过程中，始终保持黑洞为全局最优解，最终发现FCM的最优初始聚类中心.实验结果表明，基于黑洞算法的FCM文本聚类方法可以解决FCM算法对初始中心点敏感和容易陷入局部最优的问题，聚类精度明显提高.

关键词: 模糊C均值, 黑洞算法, 文本聚类, 参数搜索, 初始聚类中心

Abstract: When fuzzy c-means (FCM) algorithm is applied to document clustering， the result is not ideal because of its initial cluster center points’ random selection and falling into the local optimal solution easily. Aiming at improving the FCM’s clustering accuracy， a method is proposed which uses the black hole algorithm (BHA)， a heuristic algorithm， to find FCM’s optimal initial clustering centers. During searching for the FCM’s best initial clustering centers， the black hole is considered as the optimal option， and the FCM’s best initial clustering centers can be found. The experiment’s results show that the document clustering of FCM based on black hole algorithm can solve the problem that FCM is sensitive to initial centers and easy to fall into the local optimal solution， and finally， the clustering accuracy is improved significantly.

Key words: fuzzy c-means, black hole algorithm, document clustering, parameter searching, initial clustering center

中图分类号:

TP391

柳玉辉，王伟超，孟磊. 一种基于黑洞算法的模糊C均值文本聚类方法[J]. 东北大学学报:自然科学版, 2017, 38(8): 1065-1069.

LIU Yu-hui， WANG Wei-chao， MENG Lei. Document Clustering of Fuzzy C-Means Based on Black Hole Algorithm[J]. Journal of Northeastern University Natural Science, 2017, 38(8): 1065-1069.

参考文献

[1]Nayak J，Naik B，Behera H S.Computational intelligence in data mining-volume 2 ［M］.New Delhi:Springer India，2015:133-149.
[2]Mekhmoukh A，Mokrani K.Improved fuzzy c-means based particle swarm optimization (PSO) initialization and outlier rejection with level set methods for MR brain image segmentation［J］.Computer Methods & Programs in Biomedicine，2015，122(2):266-281.
[3]Kanwar N，Gupta N，Niazi K R，et al.Simultaneous allocation of distributed energy resource using improved particle swarm optimization［J］.Applied Energy，2017，185:1684-1693.
[4]Wang D，Li Y，Hu Y，et al.Integrated dynamic evaluation of depletion-drive performance in naturally fractured-vuggy carbonate reservoirs using DPSO-FCM clustering ［J］.Fuel，2016，181:996-1010.
[5]Ding Y，Fu X.Kernel-based fuzzy c-means clustering algorithm based on genetic algorithm［J］.Neurocomputing，2016，188:233-238.
[6]Yang H J，Hu X.Wavelet neural network with improved genetic algorithm for traffic flow time series prediction［J］.Optik-International Journal for Light and Electron Optics，2016，127(19):8103-8110.
[7]Naik A，Satapathy S C，Parvathi K.Improvement of initial cluster center of c-means using teaching learning based optimization［J］.Procedia Technology，2012，6(4):428-435.
[8]岳振芳，高岳林.一种改进的教与学优化算法［J］.兰州理工大学学报，2015，41(6):99-103.(Yue Zhen-fang，Gao Yue-lin.An improved algorithm for teaching-learning-based optimization［J］.Journal of Lanzhou University of Technology，2015，41(6):99-103.)
[9]Hatamlou A.Black hole:a new heuristic optimization approach for data clustering［J］.Information Sciences，2013，222(3):175-184.
[10]Bouchekara H.Optimal power flow using black-hole- based optimization approach［J］.Applied Soft Computing，2014，24:879-888.
[11]Yaghoobi S，Hemayat S，Mojallali H.Image gray-level enhancement using black hole algorithm［C］// Pattern Recognition and Image Analysis.Piscataway:IEEE，2015:1-5.
[12]王通，高宪文，蒋子健.基于黑洞算法的LSSVM的参数优化［J］.东北大学学报(自然科学版)，2014，35(2):170-174.(Wang Tong，Gao Xian-wen，Jiang Zi-jian.Parameters optimizing of LSSVM based on black hole algorithm［J］.Journal of Northeastern University(Natural Science)，2014，35(2):170-174.)
[13]Blei D M，Ng A Y，Jordan M I.Latent Dirichlet allocation［J］.Journal of Machine Learning Research，2003，3:993-1022.
[14]Zhang H P，Yu H K，Xiong D Y，et al.HHMM-based Chinese lexical analyzer ICTCLAS［C］// SIGHAN Workshop on Chinese Language Processing.Stroudsburg:Association for Computational Linguistics，2003:758-759.

一种基于黑洞算法的模糊C均值文本聚类方法

Document Clustering of Fuzzy C-Means Based on Black Hole Algorithm

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 12

编辑推荐

Metrics

本文评价

[1]	周玉，朱文豪，孙红玉. 一种基于目标函数的局部离群点检测方法[J]. 东北大学学报（自然科学版）, 2022, 43(10): 1405-1412.
[2]	韩莹，井元伟，金建宇，李琨. 基于改进黑洞算法优化ESN的网络流量短期预测[J]. 东北大学学报:自然科学版, 2018, 39(3): 311-315.
[3]	段在鹏，钱新明，夏登友，多英全. 基于FCM和CBR-GRA双重检索的应急救援物质需求预测[J]. 东北大学学报:自然科学版, 2016, 37(5): 756-760.
[4]	王通，高宪文，蒋子健. 基于黑洞算法的LSSVM的参数优化[J]. 东北大学学报:自然科学版, 2014, 35(2): 170-174.
[5]	崔兆华，张萍，李洪军，高立群. 融合结构特征的增强型FCM图像分割算法[J]. 东北大学学报(自然科学版), 2013, 34(7): 922-925.
[6]	崔兆华，李洪军，李文娜，高立群. 基于自适应结构张量的FCM改进算法[J]. 东北大学学报(自然科学版), 2013, 34(5): 637-641.
[7]	依玉峰;高立群;郭丽;. 基于相似类合并FCM在图像分割中的应用[J]. 东北大学学报(自然科学版), 2012, 33(7): 930-933.
[8]	依玉峰;高立群;郭丽;. 基于全局空间相似性的模糊聚类算法[J]. 东北大学学报(自然科学版), 2012, 33(2): 178-181.
[9]	潘改;高立群;依玉峰;. 基于视觉感知的模糊C均值聚类算法[J]. 东北大学学报(自然科学版), 2012, 33(12): 1690-1693+1730.
[10]	裴晓敏;郭宏宇;戴建平;. 融合像素空间信息及加权模糊聚类的肺结节识别[J]. 东北大学学报(自然科学版), 2010, 31(9): 1250-1253.
[11]	王介生;高宪文;张立;. 球磨机制粉过程煤粉粒度FCM-SVRs软测量建模[J]. 东北大学学报(自然科学版), 2010, 31(5): 613-616.
[12]	吴震宇;袁惠群;李沈;. 基于EMD和模糊聚类的柴油机故障诊断[J]. 东北大学学报(自然科学版), 2009, 30(12): 1784-1787.