贝叶斯正则化的SOM聚类算法

• 作者: 张予瑶 苏一丹 蒙祖强 覃华 陈万振
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 聚类 自组织映射(SOM) 权值调整 贝叶斯正则化 超参数
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 软件与算法
• 页码范围: 127-131
• 页数: 5页
• 分类号: TP389.1
• 字数: 3727字
• 语种: 中文
• DOI: 10.16208/j.issn1000-7024.2017.01.024

摘要

研究贝叶斯正则化的自组织映射神经网络(self-organizing map,SOM)聚类训练算法.根据正则化的思想,在SOM权值调整公式中引入反映网络权值复杂性的惩罚项,避免权值调整过程中出现过度拟合.利用贝叶斯推理获取权值调整公式中的最优超参数,使迭代训练过程中网络权值和输入样本的概率分布更趋于一致,达到提升SOM聚类结果的目的.在UCI数据集上的实验结果表明,与传统的SOM算法相比,该算法的聚类凝聚度平均提升了1.5倍,聚类的准确率亦有提高,聚类效果较好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	覃华	广西大学计算机与电子信息学院	52	334	11.0	15.0
2	蒙祖强	广西大学计算机与电子信息学院	59	289	10.0	14.0
3	苏一丹	广西大学计算机与电子信息学院	114	849	16.0	23.0
4	陈万振	广西大学计算机与电子信息学院	1	10	1.0	1.0
5	张予瑶	广西大学计算机与电子信息学院	1	10	1.0	1.0