重庆理工大学学报2023，Vol.37Issue(15) ：166-176.DOI:10.3969/j.issn.1674-8425(z).2023.08.019

改进二进制麻雀搜索的特征选择及文本聚类

Improved binary sparrow search algorithm for feature selection and text clustering

高新成 邵国铭 张海洋 周中雨
重庆理工大学学报2023，Vol.37Issue(15) ：166-176.DOI:10.3969/j.issn.1674-8425(z).2023.08.019
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据

改进二进制麻雀搜索的特征选择及文本聚类

Improved binary sparrow search algorithm for feature selection and text clustering

高新成 1邵国铭 2张海洋 2周中雨2
扫码查看

作者信息

  • 1. 东北石油大学 现代教育技术中心,黑龙江 大庆 163318;东北石油大学 计算机与信息技术学院,黑龙江 大庆 163318
  • 2. 东北石油大学 计算机与信息技术学院,黑龙江 大庆 163318
  • 折叠

摘要

针对文本中存在冗余特征影响聚类精度等问题,提出一种结合蜣螂优化算法改进二进制麻雀搜索算法的特征选择及文本聚类算法.利用基于特征词权重的适应度函数完成文本特征评估,构建矢量空间模型;引入蜣螂优化算法中的圆周方向搜索机制,改进传统麻雀搜索算法中麻雀发现者位置更新策略,并融入滚动方向机制的随机游走策略提升全局搜索能力,结合转移函数对连续型麻雀位置进行更新,得到优化的二进制麻雀搜索算法,筛选出优质特征子集;选用k-means++算法完成文本聚类.通过多种基准函数及公共数据集进行验证,结果表明:所提方法能够有效降低文本特征维度,提高聚类效果.

关键词

特征选择/蜣螂优化算法/二进制麻雀搜索算法/k-means++/文本聚类/特征词权重

Key words

feature selection/dung beetle optimization algorithm/binary sparrow search algorithm/k-means++/text clustering/feature word weight

引用本文复制引用

基金项目

国家自然科学基金(61702093)

中国高校产学研创新基金(2021ITA02011)

黑龙江省教育科学规划重点课题(GJB1423357)

出版年

2023
重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
参考文献量6
段落导航相关论文