基于改进近邻传播聚类挖掘算法的竞争情报研究

根据竞争情报分析需要，会产生不同竞争情报分析模型，这些分析模型的构造大多建立在竞争情报数据的聚类统计之上。提出采用改进的近邻传播(Affinity propagation, AP)聚类算法实现大规模竞争情报数据聚类统计。根据竞争情报数据样本建立相似矩阵，初始化偏向参数；通过布谷鸟搜索优化偏向参数，将偏向参数作为布谷鸟巢进行训练，设置轮廓指标值作为布谷鸟算法适应度函数；通过鸟巢位置更新优化后的偏向参数进行AP聚类运算，不断更新AP算法的决策和潜力阵；最终获得稳定的聚类结果。试验证明，通过合理设置布谷鸟宿主发现概率、移动步长和AP算法阻尼因子等参数，能够获得较好的聚类效果。相比常用竞争情报聚类算法，所提改进AP聚类算法能够获得更高的轮廓指标值和最短的欧式距离性能，在竞争情报数据分析统计中的适用度高。