用改进的RPCL算法提取聚类的最佳数目

• 作者: 李昕 江芳泽 郑宇
• 来源期刊: 上海大学学报（自然科学版）
• 学科: 工学
• 关键词: 聚类 RPCL算法 竞争学习
• 年，卷（期）: 1999,（5）
• 页码范围: 409-413
• 分类号: TN912.34
• 语种: 中文
• DOI: 10.3969/j.issn.1007-2861.1999.05.008

摘要

对于传统的K平均算法来说,如何选择适当类的数目是一个难以解决的问题.有人提出了次胜者受罚的竞争学习(rival penalized competitive learning : RPCL)算法试图来解决这一问题.但是,当数据类有重叠以及输入矢量含有非独立项时,RPCL算法的性能不能令人满意.本文提出了一种结合全协方差矩阵的RPCL算法,并逐步删除那些只包含少量训练数据的类.这种算法,我们称之为改进的RPCL算法.我们用改进的RPCL算法来确定高斯混合分布类的数目,并将其与原来的RPCL进行比较.实验证明,改进的RPCL算法比原来的RPCL算法能够更好地表征类.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	江芳泽	上海大学自动化学院	9	150	4.0	9.0
2	李昕	上海大学自动化学院	31	398	10.0	19.0
3	郑宇	上海海运学院计算机系	2	96	2.0	2.0