面向分类数据的自组织神经网络

• 作者: 俞瑞钊 汪加才 陈奇
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 分类数据 聚类 自组织神经网络 数据挖掘
• 年，卷（期）: 2003,（5）
• 所属期刊栏目: 学术探讨
• 页码范围: 96-98,101
• 页数: 4页
• 分类号: TP18|TP183
• 字数: 3934字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2003.05.029

摘要

作为一种优良的聚类和降维工具,自组织神经网络SOM(Self Organizing Feature Maps)已经得到广泛应用.其不足之处是仅适合于数值数据,这对时常需要处理分类型数据(Categorical valued data)或数值型与分类型混合数据(Mixed numeric and categorical valued data)的数据挖掘应用是不够的.该文提出了一种新的基于覆盖(Overlap)的距离函数并将其用于SOM训练.实验结果表明,在不增加时空开销的前提下可取得较好的聚类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈奇	浙江大学人工智能研究所	65	998	14.0	30.0
2	俞瑞钊	浙江大学人工智能研究所	42	1043	12.0	32.0
3	汪加才	浙江大学人工智能研究所	32	180	9.0	11.0