10.3969/j.issn.1000-7024.2014.05.061
聚类中心计数值和全局距离向量RPCL算法
针对标准的竞争学习算法(rival penalized competitive learning,RPCL)在问题规模较大情况下,算法收敛速度较慢以及无法精确找到聚类中心的问题,通过引入聚类中心计数值和全局距离向量的方法,提高了RPCL算法对于问题全局最优解的搜索能力,提出了一个基于聚类中心计数值和全局距离向量的RPCL算法改进.通过理论证明验证了该RPCL算法可以有效提高RPCL算法对于全局最优聚类中心的搜索能力以及聚类结果的准确性,实验结果表明了理论推导的正确性以及该算法的可行性.
竞争学习算法、聚类算法、聚类中心计数值、全局距离向量、RPCL算法
35
TP18(自动化基础理论)
国家863高技术研究发展计划基金项目2013AA01A211
2014-06-12(万方平台首次上网日期,不代表论文的发表时间)
共5页
1811-1815