一种生长型自组织神经网络的聚类研究

摘要：

自组织特征映射神经网络SOM(Self-Organizing Feature Maps)是一种优良的聚类工具,但其存在着一些限制,如需要预先定义网络大小、网络的收敛性较差和结构不灵活等.为了克服这些不足,在自组织神经网络理论的指导下,提出了一种基于生长型自组织神经网络的聚类方法.在无监督的情况下,该方法采用阈值控制的触发机制实现网络中神经元的生长和删除,并通过神经元权值的有效调整,以期得到数据对象的聚类结果.实验以二维空间中的数据对象为输入样本,验证了该方法的有效性和优越性.

关键词：自组织、生长、特征映射、聚类、神经网络

所属期刊栏目：21

分类号：TP301.6(计算技术、计算机技术)

资助基金：山东省自然科学基金Y2007G34,Y2006G03;南京邮电大学引进人才基金项目NY207134

在线出版日期：2011-06-23（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：64-66,71