最小最大模块化网络中基于聚类的数据划分方法研究

被引：4

作者：

解晓敏 ^{[1
]}

李云 ^{[2
]}

机构：

[1] 南京邮电大学计算机学院

[2] 南京邮电大学计算机技术研究所

来源：

南京大学学报(自然科学版) | 2012年 / 48卷 / 02期

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;

D O I：

10.13232/j.cnki.jnju.2012.02.002

中图分类号：

TP274 [数据处理、数据处理系统];

学科分类号：

0804 ; 080401 ; 080402 ; 081002 ; 0835 ;

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-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.

引用

页码：133 / 139

页数：7

共 14 条

[1]

Reading au-ditory discrimination behaviour of freely moving rats from hippocampal eeg. Jonghan Shin,,Bao-Liang Lu,Arkadi Talnov,Gen Matsumoto,and Jurij Brankack. Neurocomputing . 2001

[2] 改进的FCM聚类在交通时段自动划分中的应用 [J].

杜长海 ;

黄席樾 ;

杨祖元 ;

邓天民 ;

詹建平 .

计算机工程与应用, 2009, 45 (24) :190-193

[3] 一种基于密度的分布式聚类算法 [J].

郑苗苗 ;

吉根林 .

南京大学学报(自然科学版), 2008, (05) :536-543

[4]

基于最小最大模块化分类器和人脸图像的性别分类研究[D]. 罗俊.上海交通大学 2007

[5]

Equal clusteringmakes Min-Max modular support vector ma-chine more efficient. Wen Y M,Lu B L,Zhao H. Proceedings of Internation-al Conference on Neural Information Process-ing . 2005

[6]

Fault diagnosis for industrialimages using a Min-Max modular neural net-work. Huang B,Lu B L. Proceedings of Neural Information Pro-cessing . 2004

[7]

A Com-parison of document clustering techniques. Steinbach M,Karypis G,Kumar V. Proccedings of Conference Data Mining andKnowledge Discovery,Workshop on Text Min-ing . 2000

[8] Hierarchical clustering algorithms for document datasets [J].

Zhao, Y ;

Karypis, G .

DATA MINING AND KNOWLEDGE DISCOVERY, 2005, 10 (02) :141-168

[9]

Fast Text Categorization with Min-max Modular Sup-port Vector Machines. F. Y. Liu,,K. Wu,,H. Zhao, et al. Proceedings of the International Joint Conference on NeuralNetworks, IJCNN2005 . 2005

[10]

Part of Speech Tagging with Min-max ModularNeural Networks. Q. Ma,,B. L. Lu,,H. Isahara, et al. Systems and Computers in Japan . 2002

← 1 2 →