10.3969/j.issn.1000-7024.2007.11.040
基于改进ART2算法的数据聚类方法
通过分析经典自适应谐振(adaptive resonance theory,ART)神经网络聚类过程中向量规格化、警戒参数全局化等特点,指出其无法应用于向量的模是与类别特征相关的情况、不能根据空间密度变化以不同粒度划分空间、输出无层次结构等不足,提出一种改进ART2神经网络算法.该算法提出警戒参数局部化和以模为标准的神经元预选,通过循环形成与模相关的多层次动态聚类结构(粗粒度的聚类不需重新训练神经网络),除此还降低对警戒参数主观设置的要求;这些优点能够适应模是重要特征的空间中子空间分别聚类的情况.
自适应谐振、规格化、神经网络、聚类、警戒参数、训练算法
28
TP183(自动化基础理论)
兰州交通大学'青蓝'人才工程基金QL-06-10B
2007-07-09(万方平台首次上网日期,不代表论文的发表时间)
共4页
2629-2632