基于模糊协方差的自适应聚类神经网络

摘要：

将模糊协方差距离测度引入到竞争学习型神经网络的参数控制中,采用批处理的网络学习方式消除数据样本顺序对网络权重调整的影响,通过淘汰及合并数据集的冗余类实现对未知类别数、多种分布型数据的自适应聚类.实验表明,新网络对数据集的分布形式有较强的鲁棒性,并能正确确定数据集的类别数.

关键词：神经网络、自适应聚类、竞争学习、模糊协方差、相似度

所属期刊栏目：42

分类号：TP183(自动化基础理论)

在线出版日期：2005-07-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：488-492