面向微博話題的粒子群優(yōu)化聚類算法研究.pdf

1、Web技術(shù)的快速發(fā)展使微博成為人們進(jìn)行溝通與交流的一種新型社交網(wǎng)絡(luò)平臺(tái)。在該平臺(tái)上，用戶可以自由地發(fā)表對(duì)某些話題的觀點(diǎn)與看法。微博內(nèi)容簡(jiǎn)單、發(fā)布容易的特點(diǎn)使其每天產(chǎn)生的信息總量巨大，從這些龐大的微博信息中提取出人們感興趣的熱點(diǎn)話題成為時(shí)下聚類分析的研究重點(diǎn)。
　　本文的主要研究?jī)?nèi)容如下：
　　(1)首先，在對(duì)聚類算法、粒子群優(yōu)化算法（Particle Swarm Optimization，PSO）和微博話題的國(guó)內(nèi)外研究現(xiàn)狀進(jìn)

2、行闡述的基礎(chǔ)上，深入研究和分析了聚類算法和PSO算法的基本原理及改進(jìn)思想，同時(shí)根據(jù)項(xiàng)目和數(shù)據(jù)分析的需求成功搭建了用于處理大數(shù)據(jù)的Spark集群。
　　(2)其次，提出了基于時(shí)間因子的混沌粒子群優(yōu)化K-means算法（the K-means algorithm of Chaotic Particle swarm optimization with Time Factor），即KCPTF算法。在該算法中，為保證粒子的全局尋優(yōu)能力，引入

3、了反映時(shí)間效應(yīng)的非線性遞減時(shí)間因子，使粒子在算法初期可快定位在近最優(yōu)解附近；為防止粒子群陷入局部最優(yōu)解，引入了混沌尋優(yōu)技術(shù)，利用混沌技術(shù)的遍歷性增強(qiáng)粒子的全局搜索能力，并確保了粒子群的多樣性，同時(shí)啟用邊界緩沖墻技術(shù)來(lái)動(dòng)態(tài)調(diào)整越界粒子；將改進(jìn)后的PSO算法與K-means算法進(jìn)行合并。在Matlab上對(duì)UCI數(shù)據(jù)庫(kù)中的數(shù)據(jù)集進(jìn)行仿真測(cè)試，對(duì)比實(shí)驗(yàn)表明，KCPTF算法的聚類結(jié)果有更高的精確度。
　　(3)最后，將本文提出的 KCPTF