基于最优适值保留的蚁群文本聚类算法
【出 处】:《
计算机工程与科学
》
CSCD
2010年第32卷第5期 79-81页,共3页
【作 者】:
刘晓勇
[1,2,3]
【摘 要】
蚁群聚类最早是由Deneubourg提出的一种仿生聚类方法,在聚类分析中得到广泛应用。本文在该算法的基础上提出一种基于精英适值保留的蚁群聚类算法,在一般蚁群聚类算法中引入精英保留机制,在每次算法的迭代中保留一定数量的优良解进入到下一次的循环中,以期提高算法的性能。为了验证算法的有效性,本文选择了两个数据集:数值数据集(iris)和一个文本数据集,用两个外部评价指标进行评判。实验结果表明,新算法的性能能够得到有效提高。
相关热词搜索:
上一篇:基于量子蚁群算法的粗糙集属性约简方法
下一篇:复杂任务的Agent联盟算法