摘要
针对模糊C-均值本文提出将基于蚁群算法的模糊聚类算法应用于文本聚类中,聚类采用二级结构,蚁群算法(ACA)作为一级结构,模糊C-均值聚类FCM用于二级结构。将此算法对文本集合进行聚类实验,并用分离系数、分离熵来判断模糊划分的效果,实验结果表明,与FCM相比,该算法具有较好的聚类效果。
This paper proposes a fuzzy partitioned clustering algorithm based on ant colony clustering algorithm, which uses a two-stage structure：ACA as the first stage, and FCM as the second one. The algorithm is used to conduct a clustering experiment on a document set. The quality of a fuzzy partition is evaluated by separate quotiety and entropy. The experimental results show that the algorithm can obtain better clustering result than FCM.
出处
《山东科学》
CAS
2007年第5期48-52,共5页
Shandong Science
基金
山东省自然科学基金重大项目(Z2004G02)
泰山学者建设工程专项经费资助项目
山东省教育厅计划项目(J05G01)
关键词
蚁群聚类算法
模糊C-均值聚类算法
分离系数
分离熵
ant colony clustering algorithm（ACA）
fuzzy partitioned clustering algorithm
separate quotiety
separate entropy
