[發(fā)明專利]一種基于免疫克隆灰狼優(yōu)化算法的K-Means文本分類方法

有效

• 申請?zhí)枺?/td>: 202010122596.8
• 申請日: 2020-02-27
• 公開（公告）號: CN111368891B
• 公開（公告）日: 2023-06-13
• 發(fā)明（設(shè)計(jì)）人: 邱少明;張斌;杜秀麗;呂亞娜
• 申請（專利權(quán)）人: 大連大學(xué)
• 主分類號: G06F18/23213
• 分類號: G06F18/23213;G06F16/35;G06F40/289;G06F40/216
• 代理公司: 大連東方專利代理有限責(zé)任公司 21212
• 代理人: 姜威威;李洪福

1.一種基于免疫克隆灰狼優(yōu)化算法的K-Means文本分類方法，其特征在于，包括以下步驟：

S1：對文本數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，得到預(yù)處理后的文本數(shù)據(jù)；

S2：采用余弦角度為相似性度量，分別計(jì)算預(yù)處理后的文本數(shù)據(jù)向量中的每一個(gè)數(shù)據(jù)對象到每一個(gè)初始灰狼個(gè)體的初始聚類中心點(diǎn)間的距離，并按相似度最接近的原則，分別將文本數(shù)據(jù)中的數(shù)據(jù)對象分配到對應(yīng)的K個(gè)類簇中，直到所有的數(shù)據(jù)對象分配完畢，形成K個(gè)類簇；再計(jì)算下一個(gè)灰狼個(gè)體的數(shù)據(jù)分配結(jié)果，直到灰狼種群中所有的灰狼個(gè)體都計(jì)算完畢，得到N種初步文本聚類結(jié)果；

S3：分別計(jì)算每一個(gè)灰狼個(gè)體到數(shù)據(jù)中心點(diǎn)間的距離之和，分別得到了N個(gè)灰狼個(gè)體的適應(yīng)度評估函數(shù)值；

S4：對N個(gè)適應(yīng)度評估函數(shù)值進(jìn)行排序，選出適應(yīng)度評估函數(shù)值最小的前三只狼作為α狼，β狼，δ狼；并根據(jù)α狼，β狼，δ狼三只狼的位置，計(jì)算灰狼種群中其他灰狼個(gè)體到三只狼的距離，并計(jì)算其余灰狼個(gè)體位置更新的中間變量的值；

所述灰狼個(gè)體進(jìn)行位置更新根據(jù)如下公式進(jìn)行：

其中灰狼位置更新速度通過如下公式確定：

其中，w稱為慣性因子，r₇，r₈，r₉是屬于[0,1]間的隨機(jī)數(shù)，分別表示控制種群中其余狼與三只頭狼之間距離的參數(shù)，其大小范圍在[0，2]之間；分別表示位置更新后的灰狼個(gè)體位置的中間變量；代表當(dāng)前灰狼的位置；

S5：從適應(yīng)度評估函數(shù)值降序排列的灰狼種群個(gè)體中，選擇前m個(gè)形成灰狼個(gè)體組成精英種群；

S6：克隆精英種群中的所有個(gè)體，并對克隆個(gè)體執(zhí)行高頻變異；

S7：對免疫克隆選擇后產(chǎn)生的灰狼精英種群進(jìn)行灰狼位置更新；

S8：判斷免疫克隆改進(jìn)的灰狼優(yōu)化算法的K-Means的文本聚類方法是否達(dá)到最大迭代次數(shù)，如果否，則繼續(xù)執(zhí)行步驟S2；如果是，輸出α狼的適應(yīng)度評估函數(shù)值及其位置X_α，根據(jù)X_α聚類中心得到最終的文本數(shù)據(jù)聚類結(jié)果。

2.根據(jù)權(quán)利要求1所述的一種基于免疫克隆灰狼優(yōu)化算法的K-Means文本分類方法，其特征還在于：所述文本數(shù)據(jù)進(jìn)行預(yù)處理步驟如下：

S1：采用分詞軟件劃分反映完整文本句意的最小單位的詞組；

S2：篩選無意義詞組；

S3：采用向量空間模型進(jìn)行數(shù)學(xué)建模，對分詞后的文本數(shù)據(jù)采用詞頻統(tǒng)計(jì)進(jìn)行分詞權(quán)重計(jì)算，提取文本數(shù)據(jù)中的關(guān)鍵詞；

S4：使用Word2Vec模型進(jìn)行詞的向量化，用向量化之后的文本數(shù)據(jù)向量作為聚類的數(shù)據(jù)輸入。

3.根據(jù)權(quán)利要求1所述的一種基于免疫克隆灰狼優(yōu)化算法的K-Means文本分類方法，其特征還在于：克隆精英種群中的所有個(gè)體的過程中形成的臨時(shí)種群T的大小通過如下公式確定：

其中，round()函數(shù)為取整函數(shù)；λ是屬于[0,1]之間的隨機(jī)數(shù)；b是整型常數(shù)且b≥1；m是選取的精英個(gè)數(shù)。

4.根據(jù)權(quán)利要求3所述的一種基于免疫克隆灰狼優(yōu)化算法的K-Means文本分類方法，其特征還在于：對種群T中的每個(gè)個(gè)體進(jìn)行高頻變異操作，突變算子如下公式所示：

η＝1-exp(1-i_max/(i+1))??????????????(4)

其中t_i是種群T第i次迭代的個(gè)體；是t_i在經(jīng)過變異操作后產(chǎn)生的新的個(gè)體；r₄,r₅,r₆是屬于[0,1]之間的隨機(jī)數(shù)；i代表第i次迭代；i_max表示克隆變異操作的最大迭代次數(shù)；η是克隆變異參數(shù)，p表示增加變異可能性的一個(gè)隨機(jī)變量。

5.根據(jù)權(quán)利要求1所述的一種基于免疫克隆灰狼優(yōu)化算法的K-Means文本分類方法，其特征還在于：適應(yīng)度評估函數(shù)值公式如下：

其中，K代表聚類個(gè)數(shù)，其中X_i(i＝1,2,3...,n)表述數(shù)據(jù)對象向量，X_j(j＝1,2,3,...,n)表示中心點(diǎn)向量。