增量式神经网络聚类算法

• 作者: 刘培磊 唐晋韬 王挺 谢松县
• 来源期刊: 国防科技大学学报
• 学科: 工学
• 关键词: 神经网络 增量学习 聚类算法 时间开销
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 信息与通信工程?控制科学与工程
• 页码范围: 137-142
• 页数: 6页
• 分类号: TP393
• 字数: 5840字
• 语种: 中文
• DOI: 10.11887/j.cn.201605021

摘要

神经网络模型具有强大的问题建模能力，但是传统的反向传播算法只能进行批量监督学习，并且训练开销很大。针对传统算法的不足，提出全新的增量式神经网络模型及其聚类算法。该模型基于生物神经学实验证据，引入新的神经元激励函数和突触调节函数，赋予模型以坚实的统计理论基础。在此基础上，提出一种自适应的增量式神经网络聚类算法。算法中引入“胜者得全”式竞争等学习机制，在增量聚类过程中成功避免了“遗忘灾难”问题。在经典数据集上的实验结果表明：该聚类算法与K-means等传统聚类算法效果相当，特别是在增量学习任务的时空开销方面具有较大优势。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王挺	国防科技大学计算机学院	39	558	10.0	23.0
2	唐晋韬	国防科技大学计算机学院	10	47	3.0	6.0
3	谢松县	国防科技大学计算机学院	5	30	2.0	5.0
4	刘培磊	国防科技大学计算机学院	3	6	1.0	2.0