基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
RPCL(Rival Penalized Competitive Learning)算法是一种十分有效的聚类方法,能够自动地确定数据中的类别个数.最近,我们根据其特点建立了一种价值函数,能够在正确类别数处达到最小值,并依此推导出更广泛的一类算法--DSRPCL(Distance Sensitive RPCL)算法.本文对该价值函数做了进一步的理论和实验分析.在一定条件下证明了价值函数在正确类别数初达到全局最小.并在一组模拟数据和图像数据上通过实验验证了价值函数的正确性.
推荐文章
用模糊推理机制调整RPCL算法中的惩罚力度
RPFCL算法
RPCL算法
惩罚力度
奖励力度
模糊规则
用户兴趣变化和类别关联度的混合推荐算法
协同过滤
聚类算法
类别关联度
兴趣变化
相似度
基于类别方差的特征权重算法
特征权重
类别方差
文本分类
支持向量机
基于类别特征矩阵的决策规则提取算法
粗糙集
类别特征矩阵
决策规则
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 RPCL算法、价值函数和类别数
来源期刊 信号处理 学科 工学
关键词 聚类分析 价值函数 竞争学习 类别数
年,卷(期) 2003,(z1) 所属期刊栏目 人工智能及神经网络
研究方向 页码范围 240-244
页数 5页 分类号 TP18
字数 3346字 语种 中文
DOI 10.3969/j.issn.1003-0530.2003.z1.060
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 马尽文 北京大学数学科学学院信息科学系 18 87 5.0 9.0
2 吴晓岩 北京大学数学科学学院信息科学系 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (2)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1990(1)
  • 参考文献(1)
  • 二级参考文献(0)
1993(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
聚类分析
价值函数
竞争学习
类别数
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
信号处理
月刊
1003-0530
11-2406/TN
大16开
北京鼓楼西大街41号
18-143
1985
chi
出版文献量(篇)
5053
总下载数(次)
13
总被引数(次)
32728
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导