可区分惩罚控制竞争学习算法

摘要：

竞争学习在聚类分析中是一种重要的学习方式，次胜者惩罚竞争学习( RPCL)算法虽能自动选择合理的类别数，但其性能对学习率和惩罚率的取值较敏感，其变种惩罚控制竞争学习( RPCCL)算法将所有的竞争单元当成冗余单元进行惩罚也不合理。文中提出一种可区分惩罚控制竞争学习算法( DRPCCL)。算法中获胜单元的学习率会在迭代过程中自适应调整。同时该算法使用一种可区分惩罚控制机制来区分竞争单元中的冗余单元和正确单元，给予冗余单元较重惩罚，正确单元轻微惩罚，使得算法能自动确定正确类别数和中心点位置。最后通过实验对比分析证明DRPCCL算法的聚类效果比RPCL算法和RPCCL算法更准确。

关键词：聚类分析、竞争、胜者惩罚竞争学习(RPCL)、可区分的惩罚控制机制

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金项目61175026;国家“十二五”科技支撑计划项目2012BAF12B11;科技部国际科技合作专项项目2013DFG12810;浙江省自然科学基金重大项目D1080807;浙江省国际科技合作专项项目2013C24027

在线出版日期：2014-07-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：426-434