基于改进的自组织特征网络聚类分析

• 作者: 杨帆 沈来信 黄战
• 来源期刊: 安徽工程科技学院学报（自然科学版）
• 学科: 工学
• 关键词: 最佳匹配结点 增长树型自组织神经网络 聚类密度
• 年，卷（期）: 2007,（1）
• 页码范围: 67-70
• 页数: 4页
• 分类号: TP301
• 字数: 2343字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-0977.2007.01.016

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄战	暨南大学信息学院	22	197	9.0	13.0
2	杨帆	黄山学院信息工程学院	20	52	4.0	6.0
3	沈来信	黄山学院信息工程学院	28	70	5.0	7.0