面向分类数据的自组织神经网络

被引：6

作者：

汪加才

陈奇

俞瑞钊

不详

机构：

[1] 浙江大学人工智能研究所

[2] 浙江大学人工智能研究所杭州

[3] 南京审计学院计算机科学与技术系

[4] 南京

[5] 杭州

来源：

计算机工程与应用 | 2003年 / 05期

关键词：

分类数据; 聚类; 自组织神经网络; 数据挖掘;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

作为一种优良的聚类和降维工具,自组织神经网络SOM(SelfOrganizingFeatureMaps)已经得到广泛应用。其不足之处是仅适合于数值数据,这对时常需要处理分类型数据(Categoricalvalueddata)或数值型与分类型混合数据(Mixednumericandcategoricalvalueddata)的数据挖掘应用是不够的。该文提出了一种新的基于覆盖(Overlap)的距离函数并将其用于SOM训练。实验结果表明,在不增加时空开销的前提下可取得较好的聚类效果。

引用

页码：96 / 98+101 +101

页数：4