安徽工程大学学报

2007, No.60(01) 67-70

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于改进的自组织特征网络聚类分析
Clustering analysis based on improved SOFM network

沈来信;黄战;杨帆;

摘要(Abstract):

针对传统Kohonen自组织特征映射(SOFM)神经网络模型结构需要预选指定的限制,特别在大的映射网络中寻找最佳匹配结点是很耗时的问题,我们采用一种新的动态增长树型自组织特征神经网络(GTS-SOFM),给出了实现聚类的具体算法,并且使用聚类密度来衡量聚类效果.对样本进行随机抽样,实验结果证实了算法的有效性.

关键词(KeyWords): 最佳匹配结点;增长树型自组织神经网络;聚类密度

Abstract:

Keywords:

基金项目(Foundation):

作者(Author): 沈来信;黄战;杨帆;

Email:

DOI:

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享