最小最大模块化网络中基于聚类的数据划分方法研究

• 作者: 李云 解晓敏
• 来源期刊: 南京大学学报：自然科学版
• 学科: 工学
• 关键词: 二分K-均值 最小最大模块化网络 支持向量机 训练集划分
• 年，卷（期）: 2012,（2）
• 页码范围: 133-139
• 分类号: TP311.132
• 语种: 中文

摘要

利用最小最大模块化网络实现模式分类的关键问题之一就是找到一种有效且复杂度较低的训练样本划分方法，以便缩短训练的时间，得到相对平衡的划分子集．本文提出一种新的基于二分K一均值的训练集划分方法，它可以得到全局最优解，时间复杂度较低，并且可以通过层次聚类得到相对平衡的样本划分效果．在现实数据集上的实验表明，该划分方法在不降低分类精确率的情况下能有效地缩短最小最大模块化网络的训练时间．

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李云	南京邮电大学计算机技术研究所	25	118	6.0	9.0
2	解晓敏	南京邮电大学计算机学院	1	6	1.0	1.0