基于粗糙集理论和SOFM神经网络的聚类方法

• 作者: 冯乃勤 刘慧 南书坡 王伟
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 粗糙集 神经网络 约简 冗余属性
• 年，卷（期）: 2009,（8）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 228-230
• 页数: 3页
• 分类号: TP3
• 字数: 2697字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386X.2009.08.077

摘要

粗糙集理论和自组织特征映射SOFM(Self-Organizing-Feature-Map)神经网络在聚类分析中有各自的优势和劣势,结合SOFM神经网络和粗糙集理论提出一种算法.该算法利用粗糙集理论的属性约简去掉样本的冗余属性,并将处理过的数据作为SOFM神经网络的训练样本,从而减小了SOFM网络的规模,因此提高了样本的聚类效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯乃勤	河南师范大学计算机与信息技术学院	48	422	11.0	19.0
2	王伟	河南师范大学计算机与信息技术学院	27	120	8.0	10.0
3	南书坡	河南师范大学计算机与信息技术学院	23	38	3.0	5.0
4	刘慧	河南师范大学计算机与信息技术学院	18	35	4.0	5.0