二维空间聚类的树ART2模型

• 作者: 余莉 李佳 李佳田 段平 王华
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 空间聚类 ART2神经网络 模式交混 数据粒度 树结构
• 年，卷（期）: 2011,（5）
• 所属期刊栏目: 人工智能
• 页码范围: 1328-1330
• 分类号: TP18
• 字数: 2787字
• 语种: 中文
• DOI: 10.3724/SP.J.1087.2011.01328

摘要

ART2网络是一种著名的聚类方法,已实际应用于诸多领域,其作用于二维空间数据,不仅存在模式漂移和向量幅度信息缺失的问题,而且难以适应不规则形态分布的空间数据的聚类.提出了一种树ART2网络模型(TART2),通过长期记忆(LTM)模式的调整和向量幅度信息的学习,使ART2网络保持了带空间距离约束的旧模式记忆;引入树结构优化,降低了警戒参数设置的主观要求,减少了模式交混现象的发生.对比实验结果表明,TART2网络更适用于带状分布的空间数据聚类,具有较高的可塑性和自适应性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王华	昆明理工大学国土资源工程学院	414	3164	26.0	37.0
2	李佳田	昆明理工大学国土资源工程学院	31	54	4.0	5.0
3	余莉	昆明理工大学国土资源工程学院	9	21	3.0	4.0
4	李佳	昆明理工大学国土资源工程学院	15	54	3.0	7.0
5	段平	昆明理工大学国土资源工程学院	2	2	1.0	1.0