删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

一种基于黑洞算法的模糊C均值文本聚类方法

本站小编 Free考研考试/2020-03-23

濠电姷鏁搁崑鐐哄垂閸洖绠伴柟缁㈠枛绾惧鏌熼崜褏甯涢柣鎾寸☉椤潡鎳滃妤婁邯閹﹢鎮╃紒妯煎帾闂佸壊鍋呯换鍕春閿濆鐓欑€规洖娲ら埢鍫⑩偓瑙勬礃缁秹骞忛崨鏉戞嵍妞ゆ挾鍠愰蹇涙⒒閸屾艾鈧嘲霉閸ヮ灛娑㈠礋椤愩倖娈惧銈嗗坊閸嬫挻銇勯锝囩疄濠碘剝鎮傞崺鈩冩媴閾忕懓骞€濠碉紕鍋戦崐鏍偋濡ゅ懏鍋¢柕鍫濇穿婵娊鏌℃径濠勬皑婵℃彃鐗撻弻锟犲礃閿濆懍澹曟繝鐢靛О閸ㄦ椽鏁冮姀鐘垫殾闁告繂瀚弳鍡涙煕閺囥劌澧繛鍫濈焸濮婃椽宕ㄦ繝鍌毿曟繛瀛樼矌閸嬨倕鐣峰ú顏勭伋闁哄倶鍎查~宥夋⒑鐟欏嫬鍔ら柣掳鍔庢禍鎼侇敃閵堝洨锛滃┑掳鍊曢崯顐﹀几閺冨牊鐓欏瀣閳诲牊顨ラ悙鏉戠伌妤犵偛娲、娆撳传閸曨亣鍩呴梻鍌氬€风粈渚€骞栭锕€纾圭憸鐗堝笚閸嬶繝寮堕崼姘珕妞ゎ偅娲熼弻銊╂偆閸屾稑顏�
2濠电姷鏁搁崑鐐哄垂閸洖绠扮紒瀣紩濞差亜惟闁冲搫顑囩粙蹇涙⒑閸︻厼鍔嬫い銊ユ瀹曠敻鍩€椤掑嫭鈷戦柛娑橈工婵箑霉濠婂懎浠辩€规洘妞介弫鎾绘偐瀹曞洤骞楅梻渚€娼х换鍫ュ磹閺嵮€妲堢憸鏃堝蓟閿濆鐒洪柛鎰典簼閸n厾绱撴担鍓插剰闁挎洦浜顐﹀磼閻愭潙娈愰梺鍐叉惈閸犳艾危閸楃偐鏀介柍钘夋娴滅偛顭胯椤ㄥ﹪寮€n剛纾藉ù锝夋涧婵倸霉濠婂棗鐓愬ǎ鍥э功閳ь剚绋掕摫濠殿垰顕槐鎺戔槈濮楀棗鍓辩紓鍌氱Т閿曘儲绌辨繝鍥舵晝闁靛牆鎷嬮弳顓㈡⒑閸撹尙鍘涢柛銊ョ埣瀹曟椽鍩€椤掍降浜滈柟杈剧稻绾埖銇勯敂鑲╃暤闁哄本绋戦埢搴ょ疀閺囩媭鍞圭紓鍌欑窔缂傛艾螞閸曨喚浜欓梻浣告啞濞诧箓宕㈣ぐ鎺戠;闁圭儤顨嗛埛鎴︽煕濠靛棗顏╅柍褜鍓欑紞濠囧箖闁垮缍囬柍鍝勫亞濞肩喎鈹戦瑙掔懓鈻斿☉銏″剹婵°倐鍋撻柍瑙勫灴閹晠骞撻幒鍡椾壕闁归棿绀侀柨銈呪攽閻樻彃鏋ゆ繛鍫滅矙閺岋綁骞囬浣叉灆闂佹悶鍊楅崰鎰崲濠靛鐒垫い鎺戝閻掓椽鏌涢幇顖涚《闁活厽顨呴埞鎴︻敊缁涘鐣堕梺缁橆殔缁绘帞鍒掗崼鐔风窞閻庯綆鍓涢鏇㈡⒑閻熼偊鍤熷┑顔炬暬瀵娊鍩¢崒婊咁啎闁荤姴娉ч崟顐紦547闂傚倸鍊风粈浣革耿闁秲鈧倹绂掔€n亞锛涢梺鐟板⒔缁垶鍩涢幒妤佺厱闁哄洦顨嗗▍鍛存煟韫囷絼閭柡宀嬬到铻栭悗锝庡亜椤忥拷4濠电姷鏁搁崑鐐哄垂閸洖绠扮紒瀣紩濞差亝鏅查柛銉㈡櫇椤︻垶姊洪悷閭﹀殶闁稿鍠栭崺銏ゅ籍閳ь剟濡甸崟顔剧杸闁规儳顕ˇ閬嶆⒑缁嬫鍎愰柟鐟版搐閻e嘲顫滈埀顒勩€侀弮鍫濆耿婵°倕鍟獮鎰版⒒閸屾瑧顦﹂柛姘儏椤灝顫滈埀顒€鐣烽鐑嗘晝闁靛繈鍨哄▓楣冩⒑闂堟侗妾у┑鈥虫喘閸┿垽寮崼鐔哄幍闂佺顫夐崝鏇㈡儍濞差亝鐓熼柣鏃堟敱鐠愶紕绱掓潏銊ョ瑲鐎垫澘瀚埀顒婄秵娴滅偞绂掗悡搴樻斀闁绘劘娉涚槐锕傛煕濡ゅ嫭鐝ǎ鍥э功閳ь剚绋掕摫濠殿垱鎸抽幃宄扳枎濞嗘垵鍩屾繛瀛樼矒缁犳牠寮诲☉銏犵疀闁稿繐鎽滈弫鏍⒑缁洘娅旂紒缁樼箞瀵鈽夊⿰鍛澑闂佹寧绻傞幊搴綖閳哄懏鈷戦柛娑橈功閹虫洜绱掓潏銊︾妤犵偛绻橀幃鈺冩嫚閼碱剦鍟嬮梻浣告啞娓氭宕归幎鍓垮洭鍩¢崨顔规嫼闁荤偞绋堥埀顒€鍘栨竟鏇㈡⒒娴e憡璐¢弸顏嗙磼閵娿劌浜圭紒顕呭幗瀵板嫰骞囬鐘插箻闂備礁鎼€氼剛鎹㈤幒鏃囧С闁圭ǹ绨烘禍婊堟煛閸ヮ煁顏堟倶閼碱兘鍋撳▓鍨珮闁稿锕ら锝囨崉鐞涒剝鐎婚梺璇″瀻閸忎勘鍊濆缁樻媴閻熼偊鍤嬬紓浣割儐閸ㄨ儻妫熷銈嗘尪閸ㄥ綊鎮為崹顐犱簻闁圭儤鍩婇弨濠氭倵濮樼偓瀚�40缂傚倸鍊搁崐椋庣矆娓氣偓钘濇い鏍ㄧ矌閻挾鈧娲栧ú銊х不閺冨牊鐓欓柟顖嗗苯娈堕梺宕囩帛濮婂綊骞堥妸銉建闁逞屽墰濞戠敻骞栨担鍛婄€柣搴秵娴滃爼鎮㈤崱娑欏仯闁搞儻绲洪崑鎾诲礂閸涱収妫滅紓鍌氬€峰ù鍥ㄣ仈閹间焦鍋¢柍鍝勬噹閽冪喓鈧厜鍋撻柛鏇ㄥ亞椤撴椽姊洪幐搴g畵婵炶尙濞€瀹曟垿骞樼紒妯诲劒闁荤喐鐟ョ€氼剟宕㈣ぐ鎺撯拺闁告繂瀚婵嬫煕鎼淬垹鐏╂俊鍙夊姇楗即宕奸悢鍝勫妇闂備胶纭堕崜婵喢洪弽顐ュС缂侇偄瀵梻鍌氬€风欢姘缚瑜嶈灋闁哄啫鍊婚惌鍡椕归敐鍫殙闁荤喐瀚堥弮鍫濆窛妞ゆ棁顫夌€垫牠姊绘担鍛婂暈濞撴碍顨婂畷銏ゆ寠婢跺棙鐎洪悗鍏夊亾闁告洦鍓涢崢閬嶆⒑閸濆嫬鏆為柟绋垮⒔婢规洟骞愭惔娑楃盎闂侀潧楠忕槐鏇€€傞懠顒傜<闁哄啫鍊搁弸娑欍亜閵忊剝绀嬮柟顔规櫊椤㈡洟锝為鐑嗘婵犵數鍋犻幓顏嗙礊閳ь剚銇勯銏╂█闁诡噯绻濋崺鈧い鎺戝閳锋帡鏌涚仦鎹愬闁逞屽厸缁瑩銆佸▎鎰瘈闁告洦鍓﹀ḿ鐔兼⒑閸撴彃浜濇繛鍙夌墱缁崵绱掑Ο闀愮盎闂佽宕樺▔娑㈩敁瀹€鍕厸濞达絽澹婇崕蹇斻亜椤撯剝纭堕柟椋庡█閸ㄩ箖宕楅崨顖涘瘻闂傚倷绶氶埀顒傚仜閼活垶宕㈤幖浣圭厾闁告劘灏欓崺锝呪攽閿涘嫭鏆柟顔界懇瀵爼骞嬮鐐搭啌濠电姵顔栭崰妤呮晝閳哄懎绀傛繛鎴炵椤洟鏌ㄥ┑鍡樺仾鐟滅増甯楅弲鏌ユ煕閳╁啰鎳呴柣鎾冲€搁—鍐Χ閸愩劎浠剧紒鐐緲缁夊墎鍒掗埡鍛亜缁炬媽椴搁弲婵嬫⒑闂堟稓澧曟繛璇х畵楠炲棝鏁愭径瀣ф嫼闂佸湱枪濞寸兘鍩ユ径瀣ㄤ簻闁挎棁顕у顕€鏌涢埞鎯т壕婵$偑鍊栫敮鎺楁晝閵壯€鍋撳鐐28缂傚倸鍊搁崐椋庢閿熺姴纾诲鑸靛姦閺佸鎲搁弮鍫㈠祦闁告劦鍠栫粻濠氭煕閹捐尙绐旈柍鐟扮箲缁绘繈濮€閿濆棛銆愬Δ妤婁簼閹稿啿鐣峰┑瀣窛閻庢稒岣块崢閬嶆⒑閸濆嫬鏆婇柛瀣尵缁辨帞鈧綆鍋呭畷宀€鈧鍣崑濠囧箖娴犲鍨傛い鎰╁灩楠炴垿姊绘担鍛婃儓婵炶绠戦~婵嬪Ω閳哄倸浠梺瀹犳〃鐠佹彃危閸儲鐓欓柣鎰靛墯缂嶆垿鏌熼崗鍏煎€愰柡灞界Х椤т線鏌涢幘鍗炲妤犵偛绻橀弫鎾绘晸閿燂拷1130缂傚倸鍊搁崐椋庣矆娓氣偓钘濇い鏍ㄧ矌閻捇鏌涢幘鑼槮闁搞劍绻堥弻銊╂偄閸濆嫅銏㈢磼閳ь剟宕掗悙瀵稿幈濠电偞鍨堕敃顐﹀绩缂佹ḿ绠鹃柛顐g箘閻掓悂鏌$仦绋垮⒉鐎垫澘瀚埀顒婄秵娴滄粓锝為崶顒佲拺闂侇偆鍋涢懟顖涙櫠妤e啯鐓欓柛鎴欏€栫€氾拷
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
基金项目:国家高技术研究发展计划项目(2015AA016005)。
作者简介:柳玉辉(1966-),男,山东烟台人,东北大学副教授。

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
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
Corresponding author: LIU Yu-hui, E-mail: liuyh@neusoft.com
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-meansblack hole algorithmdocument clusteringparameter searchinginitial clustering center
文本聚类是用于自动话题提取、信息检索、信息推荐等领域的基本方法.聚类的最终目标是将数据集的内部结构信息划分成为簇结构, 使得同一个簇内部的数据集有较高的相似度, 同时不同簇之间的数据集有较低的相似度.
模糊C均值(FCM)算法是划分聚类算法之一, 在处理大数据集时具有较好的效果, 但是需要提前确定簇数和随机初始化聚类中心, 使聚类结果容易陷入局部最优解.
FCM算法初始值的随机选取容易使该算法陷入局部最优,针对这一问题, 国内外学者给出很多解决方案.文献[1]给出了FCM算法2000年至2014年的研究状况.除此之外, Mekhmoukh等[2]提出采用粒子群算法寻找FCM最优初始聚类中心的方法, 但是粒子群算法容易过早收敛, 以至于陷入局部最优解[3].Wang等[4]采用自适应粒子群算法解决FCM算法对中心点选择敏感的问题, 一定程度上改进了粒子群算法, 但算法性能仍有提高的空间.Ding等[5]提出一种将遗传算法与基于核函数的FCM融合的方法进行聚类, 但是遗传算法在种群进化的过程中, 多样性容易丢失, 存在收敛过早的现象[6].Naik等[7]提出用TLBO算法来优化FCM算法的聚类中心, 但该算法解决高维复杂问题时, 收敛速度慢且容易陷入局部最优[8].
黑洞算法[9]是根据自然界的黑洞现象生成的一种启发式优化方法, 现阶段已被用于配电网潮流计算[10]、图像处理[11]、参数寻优[12]等领域, 具有寻优精度高、容易达到全局最优等优点.Hatamlou等[9]将黑洞算法与k-Means, PSO, GSA, BB-BC聚类算法做对比, 证明了黑洞算法应用于数值型数据中具有良好的聚类效果.本文将黑洞(BH)算法与FCM算法相结合, 并引入到文本聚类领域中, 提出了一种BH-FCM聚类方法.
1 基于LDA的文本特征提取1.1 LDA模型LDA模型[13]是一种常用的文本生成模型, 它的图模型如图 1所示.
图 1(Fig. 1)
图 1 LDA图模型Fig.1 Graphical model of LDA

图 1中, win表示第i个文档的第n个词语; θi表示了第i篇文章的主题分布; φk表示第k个主题的词分布; zin表示第i个文档的第n个词的主题; αβ分别是文档主题分布与主题词分布先验分布的超参数.LDA模型的生成过程如下:
① 对所有设定的主题k∈[1, K], 随机初始化φk~Dir(β);
② 对所有存在的文档i∈[1, M], 随机初始化θi~Dir(α)和Ni~Poiss(ξ);
③ 对步骤② 中的每篇文档, 选择其所有的词项n∈[1, Ni], 采样zin~Mult(θi),win~Mult(φzin).
1.2 文本特征提取吉布斯采样之后, 可以得到矩阵Θ, Θ=(θ1, θ2, …, θi, …, θM)T, M是数据集中文本总数, θiK维的向量, K是预先设置的主题数目.
文本聚类中, 不同的文本特征提取方法对文本数据挖掘的精度有较大的影响.由LDA得到的模型Θ不仅是每个文本在各个主题上的概率, 也可以看成是每个文本在隐主题空间维度上的特征值, 当处理的文本数据较长时, 可以有效降低提取出的特征的维度.因此, 本文采用由LDA得到的文本主题矩阵Θ作为文本特征提取的最终结果.
2 FCM算法与黑洞算法2.1 FCM聚类算法FCM算法是基于模糊划分的聚类算法, 即对于适应度函数F, 求使得F值收敛的模糊划分矩阵Y以及聚类中心V.F, Y, V的求解公式如下:
(1)
(2)
(3)
(4)
式中:C为簇数; N为文本总数; pj表示第j个文本向量; yij表示文本向量pj隶属于第i类簇的程度; V=(v1, v2, …, vi, …, vC), vi表示第i个聚类中心; α为加权指数.
FCM聚类算法的执行过程如下:
① 初始化聚类簇数C以及簇中心V;
② 根据式(3), 计算新的模糊划分矩阵Y;
③ 根据式(4), 更新聚类中心V;
④ 如果某次迭代与上次迭代的F值的差值小于阈值, 则结束循环, 否则执行步骤②.
2.2 黑洞算法黑洞算法通过适应度值的计算和星体与黑洞间的吸引吸收机制, 在迭代的过程中不断地选择出具有最佳适应度值的星体作为黑洞, 直到最终确定黑洞的位置与适应度值.黑洞与星体间的吸引机制如式(5) 所示.
(5)
式中:li(t)表示第i个星体在第t次搜索时的位置; lBH代表黑洞的位置; rand是0到1之间的随机数.
在算法运行过程中, 各个星体同时向黑洞靠拢.黑洞与星体间的吸收机制通过吸收半径r的计算实现:
(6)
式中: fBH, fi分别代表黑洞的适应度值与第i个星体的适应度值; N为星体的总数量.
黑洞算法的执行过程如下:
① 在搜索空间中随机对几个星体初始化.
② 计算各个星体的适应度值, 并从中选择具有最好适应度值的星体作为黑洞.
③ 按照式(5) 移动各个星体.
④ 计算全部星体的适应度值, 如果某星体的适应度值优于黑洞的适应度值, 则让该星体成为新的黑洞.
⑤ 根据式(6) 计算半径, 如果存在某个星体与黑洞的距离小于该半径, 则删掉该星体, 并随机产生一个新的星体.
⑥ 如果算法达到了最大迭代次数或已经收敛, 结束执行过程, 否则执行步骤③.
3 BH-FCM文本聚类算法3.1 聚类流程首先对需要聚类的文本进行中文分词与去停用词处理, 消除高频无用词对特征提取的影响.其次, 使用LDA模型对该文本进行主题建模, 提取出文本的主题特征.然后, 对于不同的文本进行主题相似度的计算并执行BH-FCM聚类算法, 得到最终的文本聚类结果.
BH-FCM算法将黑洞算法与FCM算法相结合, 该算法的设计如图 2所示.
图 2(Fig. 2)
图 2 BH-FCM聚类算法Fig.2 BH-FCM clustering algorithm

BH-FCM算法首先使用黑洞算法进行全局最优初始中心点的寻找.在黑洞算法收敛后, 利用得到的全局最优解作为FCM算法的初始聚类中心, 借以优化FCM聚类算法, 解决FCM聚类算法对初始中心点的选择敏感以及容易陷入局部最优解的问题.
3.2 文本相似度计算在LDA模型中, 因为所有文本在各个隐主题上的分布都是由同一分布中采样得到[13], 所以本文使用KL散度的对称平滑变形Jensen-Shannon距离来衡量两个文本向量的相似度.Jensen-Shannon距离越小, 说明两文本越相似.对于向量ve来说, 它们的KL散度定义如式(7) 所示.
(7)
Jensen-Shannon距离的定义如式(8) 所示.
(8)
式中:.
3.3 黑洞算法的编码结构黑洞算法用于FCM初始聚类中心点寻优时, 关键是如何表示每一个星体及确定适应度函数.由于黑洞算法中每一个星体都是聚类结果的候选解, 所以每一个星体(候选解)的表示如图 3所示.
图 3(Fig. 3)
图 3 星体的表示Fig.3 Representation of a star

图 3中:算法初始化时, Zij为星体随机赋值的第i个聚类中心的第j维值, 算法执行结束之后, Zij表示最优初始聚类中心中第i个中心的第j维值; C值为簇的数目; k值为文本特征提取向量的维度.
黑洞算法的适应度函数计算如下:
(9)
式中:X=(x1, x2, …, xi, …, xT), xi为第i个文本向量; Z=(z1, z2, …, zj, …, zC), zj为第j个聚类中心; T为文本向量的总数; C为聚类的簇数.若第i个文本向量属于第j个簇, 则wij为1, 否则为0.
4 实验与分析4.1 文本数据选择为了测试该算法的稳定性与有效性, 本文采用复旦大学语料作为聚类测试样本, 随机选择150篇艺术类文本、210篇历史类文本、240篇电脑类文本作为数据集Data1, 150篇运动类文本、210篇政治类文本、240篇经济类文本、260篇农业类文本、240篇环境类文本作为数据集Data2, 100篇艺术类文本、140篇历史类文本、160篇电脑类文本、240篇环境类文本、160篇农业类文本、100篇经济类文本、100篇政治类文本作为数据集Data3.数据集的具体描述如表 1所示.本文采用ICTCLAS[14]中文分词系统, 在对文本分词处理后去停用词, 使用LDA模型进行文本特征提取, LDA的超参数α通常取0.05, β为0.01.使用内部簇距离之和作为适应度函数值.
表 1(Table 1)
表 1 文本数据集Table 1 Document data sets
数据集文档数量隐主题数量簇的数量
Data1600(150, 210, 240)2003
Data21 100(150, 210, 240, 260, 240)3505
Data31 000(100, 140, 160, 240, 160, 100, 100)3007


表 1 文本数据集 Table 1 Document data sets

4.2 文本聚类对比在PSO-FCM聚类算法中, 设置粒子数为50, 设置初始惯性权重w为0.72, 加速系数c1c2设置为1.49.在GA-FCM算法中, 设置个体数为50, 采用单点交叉、交换突变的方法, 交叉概率设置为0.4.BH-FCM聚类算法中, 设置星体个数为50.FCM算法、PSO-FCM算法、GA-FCM算法、BH-FCM算法的文本聚类平均准确率对比如图 4所示.
图 4(Fig. 4)
图 4 各算法的聚类效果对比Fig.4 Comparison of all algorithms for clustering effect

图 4可知, 在三类数据集上, BH-FCM算法的聚类准确率最高, PSO-FCM算法次之, GA-FCM算法再次之, FCM算法准确率最低.
遗传算法、离子群算法、黑洞算法在Data1上寻找聚类中心点的过程中, 适应度值的变化趋势如图 5所示.
图 5(Fig. 5)
图 5 三种算法聚类过程对比Fig.5 Comparison of three algorithms for clustering process

图 5可知, 在聚类过程中, 黑洞算法比遗传算法与粒子群算法的收敛速度最快, 且能收敛到一个最优的适应度值, 从而发现最优的初始聚类中心.
综上所述, BH-FCM算法较FCM算法、PSO-FCM算法、GA-FCM算法有更优的效果, 证明了该方法的有效性.
5 结语本文提出一种基于黑洞算法的模糊C均值文本聚类方法BH-FCM.通过对黑洞算法在启发式搜索与聚类算法的研究, 提出使用黑洞算法搜寻FCM算法的最优初始聚类中心, 解决FCM算法容易陷入局部最优的问题.结合LDA模型提取出的文本特征值, 将BH-FCM算法应用于文本聚类领域中, 通过仿真实验, 将该算法与FCM算法、PSO-FCM算法、GA-FCM算法对比.实验结果表明, 黑洞算法能发现最佳的聚类中心, 基于黑洞算法的FCM文本聚类方法具有最高的聚类准确率, 证明了文本提出的方法是有效的.在未来的研究中, 可以对黑洞算法进行改进, 或者采用其他性能更好的启发式算法与FCM算法结合, 提升FCM算法的精确度.
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.DOI:10.1016/j.apenergy.2016.01.093
[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.DOI:10.1016/j.fuel.2016.05.009
[5]Ding Y, Fu X. Kernel-based fuzzy c-means clustering algorithm based on genetic algorithm[J].Neurocomputing, 2016, 188: 233–238.DOI:10.1016/j.neucom.2015.01.106
[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.DOI:10.1016/j.ijleo.2016.06.017
[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.DOI:10.1016/j.asoc.2014.08.056
[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.

相关话题/黑洞 算法

  • 领限时大额优惠券,享本站正版考研考试资料!
    大额优惠券
    优惠券领取后72小时内有效,10万种最新考研考试考证类电子打印资料任你选。涵盖全国500余所院校考研专业课、200多种职业资格考试、1100多种经典教材,产品类型包含电子书、题库、全套资料以及视频,无论您是考研复习、考证刷题,还是考前冲刺等,不同类型的产品可满足您学习上的不同需求。 ...
    本站小编 Free壹佰分学习网 2022-09-19
  • 改进的基于ASFCM婴幼儿脑部MRI分割算法
    魏颖1,2,张开1,韩枫11.东北大学信息科学与工程学院,辽宁沈阳110819;2.东北大学医学影像计算教育部重点实验室,辽宁沈阳110179收稿日期:2016-03-23基金项目:国家自然科学基金资助项目(61370152);中央高校基本科研业务费专项资金资助项目(N130204003)。作者简介 ...
    本站小编 Free考研考试 2020-03-23
  • 协作通信系统中继功率分配算法的研究
    范立娜1,汪晋宽2,高静1,吕腊梅11.东北大学秦皇岛分校控制工程学院,河北秦皇岛066004;2.东北大学信息科学与工程学院,辽宁沈阳110819收稿日期:2016-05-01基金项目:国家自然科学基金资助项目(61403069);河北省自然科学基金资助项目(F2014501055);中央高校基本 ...
    本站小编 Free考研考试 2020-03-23
  • 一种新型片上网络拓扑结构及其自适应路由算法
    李贞妮,李晶皎,王爱侠,张壬申东北大学信息科学与工程学院,辽宁沈阳110819收稿日期:2016-04-22基金项目:国家自然科学基金资助项目(51607029)。作者简介:李贞妮(1982-),女,辽宁沈阳人,东北大学讲师,博士研究生;李贞妮(1982-),女,辽宁沈阳人,东北大学讲师,博士研究生 ...
    本站小编 Free考研考试 2020-03-23
  • 异构数据联合式的真值发现算法
    陈超1,2,申德荣1,寇月1,于戈11.东北大学计算机科学与工程学院,辽宁沈阳110169;2.渤海大学信息科学与技术学院,辽宁锦州121007收稿日期:2016-05-04基金项目:国家重点基础研究发展计划项目(2012CB316201);国家自然科学基金资助项目(61033007,6147207 ...
    本站小编 Free考研考试 2020-03-23
  • 基于均匀圆阵的稳健迭代波束形成算法
    宋昕1,汪晋宽2,刘文敏2,高静11.东北大学秦皇岛分校,计算机与通信工程学院,河北秦皇岛066004;2.东北大学计算机科学与工程学院,辽宁沈阳110169收稿日期:2016-05-16基金项目:国家自然科学基金资助项目(61473066,61403069);中央高校基本科研业务费专项资金资助项目 ...
    本站小编 Free考研考试 2020-03-23
  • 基于高分影像和ASIFT算法的滑坡位移场监测方法
    张慧慧1,2,刘善军1,王茹11.东北大学资源与土木工程学院,辽宁沈阳110819;2.辽宁省交通高等专科学校测绘系,辽宁沈阳110122收稿日期:2016-09-30基金项目:国家自然科学基金资助项目(41440032,41074127);国家重点基础研究发展计划项目(2011CB707102)。 ...
    本站小编 Free考研考试 2020-03-23
  • 最大似然-可分离抛物面替代函数双能CT重建算法
    侯晓文,滕月阳,刘瑜珈,康雁东北大学中荷生物医学与信息工程学院,辽宁沈阳110169收稿日期:2016-06-08基金项目:国家自然科学基金资助项目(61372014)。作者简介:侯晓文(1989-),男,山东菏泽人,东北大学博士研究生;康雁(1964-),男,辽宁沈阳人,东北大学教授,博士生导师。 ...
    本站小编 Free考研考试 2020-03-23
  • 任意形状面电流磁场的半解析算法
    雷洪1,2,赵岩21.东北大学材料电磁过程研究教育部重点实验室,辽宁沈阳110819;2.东北大学冶金学院,辽宁沈阳110819收稿日期:2016-06-08基金项目:国家自然科学基金资助项目(U1460108)。作者简介:雷洪(1973-),男,湖北武汉人,东北大学教授,博士生导师。摘要:面电流磁 ...
    本站小编 Free考研考试 2020-03-23
  • 基于RGB-D的室内场景实时三维重建算法
    胡正乙1,2,谭庆昌1,孙秋成31.吉林大学机械科学与工程学院,吉林长春130022;2.长春汽车工业高等专科学校,吉林长春130013;3.长春师范大学,吉林长春130032收稿日期:2016-07-18基金项目:国家自然科学基金资助项目(51405184)。作者简介:胡正乙(1984-),男,吉 ...
    本站小编 Free考研考试 2020-03-23
  • 基于改进随机蕨的增强现实场景实时跟踪注册算法
    赵越,李晶皎,李海鹏,杨丹东北大学信息科学与工程学院,辽宁沈阳110819收稿日期:2015-02-11基金项目:国家自然科学基金资助项目(60970157);中央高校基础科研青年教师创新基金资助项目(N130404004).作者简介:赵越(1979-),女,辽宁抚顺人,东北大学博士研究生,渤海大学 ...
    本站小编 Free考研考试 2020-03-23