《基于人工免疫算法的web文本挖掘研究》由会员分享，可在线阅读，更多相关《基于人工免疫算法的web文本挖掘研究（67页珍藏版）》请在金锄头文库上搜索。
1、工学硕士学位论文 密级： 编号： 基于人工免疫算法的W e b 文本挖掘研究 硕士研究生： 指导教师 ： 学位级别 ： 学科、专业 ： 所在单位 ： 论文提交日期： 论文答辩日期： 学位授予单位： 尹丽玲 印桂生教授 工学硕士 计算机应用技术 计算机科学与技术学院 2 0l O 年1 月 2 0 10 年3 月 哈尔滨工程大学 - - ，r C l a s s i f i e dI n d e x ： U D C ： AD i s s e r t a t i o nf o rt h eD e g r e eo f M E n g R e s e a r c ho nW e bT e x tM
2、i n i n g B a s e do nA r t i f i c i a lI m m u n e A l g o r i t h m C a n d i d a t e ：Y i nL i l i n g S u p e r v i s o r ：P r o f Y i nG u i s h e n g A c a d e m i cD e g r e eA p p l i e df o r ：M a s t e ro fE n g i n e e r i n g S p e c i a l i t y ：C o m p u t e rA p p l i e dT e c h n o
3、l o g y D a t eo f S u b m i s s i o n - J a n u a r y ，2 0 1 0 D a t eo fO r a lE x a m i n a t i o n ：M a r c h ，2 0lO U n i v e r s i t y ：H a r b i nE n g i n e e r i n gU n i v e r s i t y 哈尔滨工程大学 学位论文原创性声明 本人郑重声明：本论文的所有工作，是在导师的指导下，由 作者本人独立完成的。有关观点、方法、数据和文献的引用已在 文中指出，并与参考文献相对应。除文中己注明引用的内容外， 本论文
4、不包含任何其他个人或集体已经公开发表的作品成果。对 本文的研究做出重要贡献的个人和集体，均已在文中以明确方式 标明。本人完全意识到本声明的法律结果由本人承担。 。 作者( 签字) 尹砌 日期：1 刀ID 年月l3 日 哈尔滨工程大学 学位论文授权使用声明 本人完全了解学校保护知识产权的有关规定，即研究生在校 攻读学位期间论文工作的知识产权属于哈尔滨工程大学。哈尔滨 工程大学有权保留并向国家有关部门或机构送交论文的复印件。 本人允许哈尔滨工程大学将论文的部分或全部内容编入有关数据 库进行检索，可采用影印、缩印或扫描等复制手段保存和汇编本 学位论文，可以公布论文的全部内容。同时本人保证毕业后结合
5、学位论文研究课题再撰写的论文一律注明作者第一署名单位为哈 尔滨工程大学。1 涉密学位论文待解密后适用本声明。 本论文( 囵在授予学位后即可口在授予学位1 2 个月后 口 解密后) 由哈尔滨工程大学送交有关部门进行保存、汇编等。 储c ：护峻 日期：v l o 年月l 泊 新c 签- 7 ，：恍 导师( 签) ：、陟州 枷，驴年月，厂日 ， 一 哈尔滨丁稃大学硕十学仲论文 摘要 随着上世纪9 0 年代初信息化社会的到来，网络已经变得越来越普及，它 已经成为了人们获取各类数据的有效手段和方法。那么如何从海量的文本数 据中找到人们所需的信息就成为了亟待解决的问题。文本挖掘研究由此应运 而生。文本聚类
6、是文本挖掘领域中一个重要分支，研究它有着重要而深远的 意义。 本文先是通过结合了改进的人工免疫算法去解决K M e a n s 算法初始聚类 中心敏感的问题，使得其聚类中心更加的合理以便得到更优的聚类结果。这 是第一个阶段，目的是得到优化的初始聚类中心。第二阶段利用了D eC a s t r o 于2 0 0 2 年提出的a i N e t 网络模型对已经具有相对优化的中心的W e b 文本进行 聚类。 本文首先阐述了W e b 文本聚类的国内外研究现状和现存的问题，然后介 绍了文本聚类的相关过程，从预处理，文本模型表示，到常用的聚类算法， 并对这些聚类算法的优缺点进行了评析。文中分析了传统人
7、工免疫算法存在 的问题，提出最佳策略对三个人工免疫遗传算子进行改造来加快算法的收敛 速度，保证后代的最优性。最后改进了用于聚类的a i N e t 网络模型中亲和度 的计算方法，对变异过程进行了部分控制，克服了其用于度量高维文本聚类 相似度不精准的缺点。 实验结果表明，本文中改进的算法有较好的动态适应性，并且改善了聚 类的质量。 关键字：W e b 文本聚类；K M e a n s ；人工免疫算法；最佳策略；a i N e t 模型 哈尔滨下程大学硕十学仲论文 A bs t r a c t W i t ht h ec o m i n go fi n f o r m a t i o ns o c
8、 i e t yi n19 9 0 s ，t h en e t w o r kh a sb e c o m e i n c r e a s i n g l yp o p u l a rw h i c hp r o v i d e se f f e c t i v em e a n sa n dm e t h o d sf o ra c c e s s i n g a l lk i n d so fi n f o r m a t i o n S oh o wt of i n dt h ei n f o r m a t i o nf r o mg r e a td e a lo ft e x t
9、J d a t ai sam o s tu r g e n tp r o b l e mt ob es o l v e d T h u s ，r e s e a r c ho ft e x tm i n i n gc a m e ， i n t ob e i n g T e x tc l u s t e r i n gi sa ni m p o r t a n tb r a n c ho ft h ef i e l do ft e x tm i n i n g ， w h i c hh a si m p o r t a n ta n df a r - r e a c h i n gs i g
10、n i f i c a n c e T h i sa r t i c l ef i r s ts o l v e dt h ep r o b l e mo fK - M e a n sa l g o r i t h mw h i c hi ss e n s i t i v e t oi n i t i a lc e n t e r sc o m b i n i n gw i t hi m p r o v e da r t i f i c i a li m m u n ea l g o r i t h mS Oa st o m a k ec l u s t e rc e n t e r sm o
11、 r er e a s o n a b l ea n do b t a i ni d e a lc l u s t e r i n gr e s u l t s T h i si s t h ef i r s ts t a g ew h i c ha i mt oo b t a i no p t i m i z e di n i t i a lc l u s t e r i n gc e n t e r s U t i l i z i n g a i N e tM o d e lw h i c hi sp r o p o s e df r o mD eC a s t r oi n2 0 0 2
12、t oc l u s t e rt h eW e bt e x t s b a s e do nt h er e l a t i v e l yo p t i m i z e di n i t i a lc e n t e r si nt h es e c o n ds t a g e T h i sa r t i c l ef i r s te l a b o r a t e st h er e s e a r c h i n gs i t u a t i o na n de x i s t i n gp r o b l e m so f W e bc l u s t e r i n gt
13、e x t ，a n dt h e ni n t r o d u c e sr e l a t e dp r o c e s so ft h et e x tc l u s t e r i n g w h i c hi sf r o mp r e - p r o c e s s i n g ，r e p r e s e n t a t i o no ft e x tm o d e lt ot h ec l u s t e r i n g a l g o r i t h mi nc o m m o nU S e ，m e a n w h i l e ，e v a l u a t i n ga n
14、 da n a l y z i n gt h ea d v a n t a g e sa n d d i s a d v a n t a g e s o ft h e s ec l u s t e r i n g a l g o r i t h m s T h ep a p e ra n a l y z e st h ep r e s e n t p r o b l e m so ft r a d i t i o n a l a r t i f i c i a li m m u n ea l g o r i t h m ，p u t t i n gf o r w a r dt h eb e s
15、 t ， s t r a t e g i e st oi m p r o v et h et h r e eg e n e t i co p e r a t o r st oa c c e l e r a t et h ec o n v e r g e n c e I - s p e e do ft h ea l g o r i t h m a n de n s u r i n gt h e o p t i m a l i t yo fg e n e r a t i o n s E v e n t u a l l y a i N e tm o d e l w h i c hi su t i l
16、 i z e dt oc l u s t e ri s i m p r o v e d t oo v e r c o m et h e d i s a d v a n t a g e so fl o wa c c u r a c yf o rc a l c u l a t i n ga f f i n i t yo fh i g h d i m e n t i o nt e x t c l u s t e r i n g T h er e s u l t so ft h ee x p e r i m e n ti n d i c a t e d st h a tt h ei m p r o v e da l g o r i t h mh a s ，一 ， 哈尔滨T 稃大学硕+ 学位论文 r e l a t i v e l yb e t t e rd y n a m i ca d a p t i o na n da m e l i o r a t et h eq u a l i t yo fc l u
