ART2神经网络聚类的改进研究

• 作者: 王正欧 钱晓东
• 来源期刊: 南京理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 自适应谐振理论 神经网络 聚类 自组织特征映射
• 年，卷（期）: 2007,（1）
• 页码范围: 71-75
• 页数: 5页
• 分类号: TP3
• 字数: 5221字
• 语种: 中文
• DOI: 10.3969/j.issn.1005-9830.2007.01.016

摘要

为进行快速动态层次聚类,通过分析自适应谐振理论(adaptive resonance theory,ART)神经网络的快速学习、主观设置警戒参数、输出无层次结构等优缺点以及自组织特征映射(self-organizing feature map,SOFM)神经网络的侧反馈、不能动态聚类、输出无层次结构等优缺点的基础上,借鉴Hebb规则的思想,针对ART2神经网络的聚类算法进行了改进研究.通过结构描述、算法分析,该算法融合了ART2和SOFM的优点,克服其不足之处,以快速学习的方式形成可带有多层层次的动态聚类结构(不同的层次代表不同粒度的聚类),此外还降低了对警戒参数主观设置的要求,对于较粗粒度的聚类不再需要重新训练神经网络.并通过仿真实验证明该算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王正欧	天津大学系统工程研究所	91	2104	28.0	41.0
2	钱晓东	天津大学电气与自动化工程学院	8	195	6.0	8.0