高属性维稀疏数据聚类回归逻辑神经网络模型及学习算法

• 作者: 周永权 焦李成
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 稀疏特征 差异度 逻辑回归神经网络 动态聚类法 学习算法
• 年，卷（期）: 2004,（8）
• 所属期刊栏目: 学术论文
• 页码范围: 1342-1345
• 页数: 4页
• 分类号: TP311.13
• 字数: 4906字
• 语种: 中文
• DOI: 10.3321/j.issn:0372-2112.2004.08.027

摘要

针对高属性维稀疏数据聚类问题,定义了模糊取大逻辑神经元,给出一种新的单层离散型回归逻辑神经网络模型,由稀疏特征差异度组成的相似阵作为该网络的初始权矩阵,通过单层离散型回归逻辑神经网络学习算法,可求出相似矩阵的等价阵,根据等价阵,给定不同的阈值,可动态地、有效地实现对高属性维稀疏数据的归并,使得聚类结果更符合实际情况,聚类质量较高.相比同类聚类算法,它具有学习、修正和应变功能,适用于大规模稀疏数据库和稀疏数据仓库的聚类分析.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	焦李成	西安电子科技大学智能信息处理研究所	514	14586	52.0	103.0
2	周永权	西安电子科技大学智能信息处理研究所	198	2214	25.0	38.0