一种加权学习矢量量化算法

• 作者: 刘志文 吕传峰 安兴 时永刚
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 模式识别 学习矢量量化 加权学习矢量量化 机器学习 属性加权
• 年，卷（期）: 2011,（3）
• 所属期刊栏目: 研究与应用
• 页码范围: 376-384
• 分类号: TP183
• 字数: 9448字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6059.2011.03.011

摘要

针对传统学习矢量量化算法没有考虑属性的重要度差异的问题,提出一种加权学习矢量量化算法.该算法为每一维属性引入一个权重系数,用其表征相应属性在分类过程中的重要程度,并与权向量一同更新.利用输入样本和获胜神经元之间的修正距离的均值,控制权重系数更新的阈值及步长.距离均值确保了更新过程的稳定性,且无需进行权重系数的归一化操作.UCI机器学习数据库中6组数据的实验结果表明,该算法能够有效给出数据的本质属性,尤其是局部型权重系数.与传统学习矢量量化算法及其改进算法相比,识别率高、性能稳定、计算复杂度低.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘志文	北京理工大学信息与电子学院	104	745	15.0	21.0
2	时永刚	北京理工大学信息与电子学院	16	113	7.0	9.0
3	安兴	北京理工大学信息与电子学院	4	27	2.0	4.0
4	吕传峰	北京理工大学信息与电子学院	1	5	1.0	1.0