未找到相关数据
用改进的RPCL算法提取聚类的最佳数目
被引：94
作者：
李昕
郑宇
江芳泽
机构：
[1] 上海大学自动化学院!上海,上海海运学院计算机系!上海,上海大学自动化学院!上海
来源：
关键词：
聚类;
RPCL算法;
竞争学习;
D O I：
暂无
中图分类号：
TN911.73 [图像信号处理];
学科分类号：
081002 [信号与信息处理];
摘要：
对于传统的Ｋ 平均算法来说，如何选择适当类的数目是一个难以解决的问题．有人提出了次胜者受罚的竞争学习（ｒｉｖａｌｐｅｎａｌｉｚｅｄ ｃｏｍ ｐｅｔｉｔｉｖｅ ｌｅａｒｎｉｎｇ ： ＲＰＣＬ）算法试图来解决这一问题．但是，当数据类有重叠以及输入矢量含有非独立项时，ＲＰＣＬ算法的性能不能令人满意．本文提出了一种结合全协方差矩阵的ＲＰＣＬ算法，并逐步删除那些只包含少量训练数据的类．这种算法，我们称之为改进的ＲＰＣＬ算法．我们用改进的ＲＰＣＬ算法来确定高斯混合分布类的数目，并将其与原来的ＲＰＣＬ进行比较．实验证明，改进的ＲＰＣＬ算法比原来的ＲＰＣＬ算法能够更好地表征类
引用
收藏
页码：409 / 413
页数：5
相关论文