自组织神经网络和 K-means 聚类算法的比较分析

摘要：

本文主要是研究自组织神经网络作为一种具有拓扑限制的，以特征提取为主要手段的聚类算法，并与传统的 K-means 算法进行比较分析，并将它们应用于几组人工数据。传统的 K-means 算法具有计算效率高的优点，但是聚类结果不稳定，初始值对于聚类收敛的结果有一定的影响，相比之下，自组织神经网络由于其引入具有拓扑结构的邻域函数，虽然计算效率比较低，但是可以达到较为稳定的聚类结果，且受初值影响较小。

关键词：人工智能、聚类算法、自组织神经网络、K-means

分类号：O1 ;P

资助基金：国家自然科学基金71101126

在线出版日期：2014-09-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：63-69