基于改进ART2算法的数据聚类方法

摘要：

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.

关键词：自适应谐振、规格化、神经网络、聚类、警戒参数、训练算法

所属期刊栏目：28

分类号：TP183(自动化基础理论)

资助基金：兰州交通大学'青蓝'人才工程基金QL-06-10B

在线出版日期：2007-07-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：2629-2632