一种改进的ART2网络学习算法

被引：15

作者：

徐艺萍 ^{[1
]}

邓辉文 ^{[1
]}

李阳旭 ^{[2
]}

机构：

[1] 西南大学逻辑与智能研究中心

[2] 成都信息工程学院电子商务系

来源：

计算机应用 | 2006年 / 03期

关键词：

ART2网络; 幅度信息; 模式漂移; 聚类;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

分析了现有ART2网络存在的问题,提出了一种改进的ART2算法。该算法首先利用样本数据自身来初始化权值,然后按照同一类中的数据点到其聚类中心的距离之和越小(即类内偏差越小),聚类效果越好的原则来设计特征表示场和类别表示场之间的权值修正公式,最后通过比较输入样本和聚类中心的模来有效地利用模式的幅度信息。分析证明了该算法不仅能有效解决模式漂移问题、充分利用幅度信息,而且能提高聚类速度。

引用

页码：659 / 662

页数：4

共 7 条

[1] ART-2神经网络的研究与改进 [J].