论文研究 - 基于改进Firefly算法的模糊聚类网络热点发现

现有的模糊聚类算法（FCM）对初始中心点敏感。 简单的距离聚类既不能准确地发现网络上的热门话题，也不能解决中文的语义多样性问题。 针对这些问题，提出了一种基于动态自适应步萤火虫算法的改进的模糊聚类方法。 通过改进的FA优化了聚类中心，并使用FCM完成了最终的聚类。 首先，在当前迭代中自适应调整步长，并根据文本相似性建立萤火虫之间的关系，然后将主题影响值应用于模糊聚类算法以提高适应度函数优化。 在此过程中，将主题归类为最接近聚类中心的类，这可以减少主题变体的影响。 最后，根据影响力的高低得出了热门话题。 通过从新浪微博收集真实数据，实验验证了该算法的有效性，极大地提高了主题发现的准确性。