高级搜索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

TGSOM:一种用于数据聚类的动态自组织映射神经网络

王莉 王正欧

王莉, 王正欧. TGSOM:一种用于数据聚类的动态自组织映射神经网络[J]. 电子与信息学报, 2003, 25(3): 313-319.
引用本文: 王莉, 王正欧. TGSOM:一种用于数据聚类的动态自组织映射神经网络[J]. 电子与信息学报, 2003, 25(3): 313-319.
Wang Li, Wang Zhcngou. Tgsom: a new dynamic self-organizing maps for data clustering[J]. Journal of Electronics & Information Technology, 2003, 25(3): 313-319.
Citation: Wang Li, Wang Zhcngou. Tgsom: a new dynamic self-organizing maps for data clustering[J]. Journal of Electronics & Information Technology, 2003, 25(3): 313-319.

TGSOM:一种用于数据聚类的动态自组织映射神经网络

Tgsom: a new dynamic self-organizing maps for data clustering

  • 摘要: 针对传统Kohonen自组织特征映射(SOFM)神经网络模型结构需预先指定的限制,提出一种新的树形动态自组织映射(TGSOM)神经网络,当用于数据挖掘时该网络以其生成速度快可视性好具有显著优越性。该文详尽描述了该网络模型的生成算法,研究了算法中扩展因子的作用。扩展因子与训练样本数据的维数无关,其作用是控制网络的生长,扩展因子可以反映数据聚类的精度,即扩展因子值的大小与聚类精度的高低成正比。在聚类的不同阶段使用大小不等的扩展因子还可以实现层次聚类。
  • M.S. Chen, J. Han, P. S. Yu, Data niining, An overview fiom a database perspective, IEEE Trans.[J]. on Knowledge Data Engineering.1996,8(6):866-[2]T. Kohonen, Self-Organization and Associate Memory, Berlin, Springer-Verlag, 1984, Chapter 5.[3]D. Alahakoon, S. K. Halgamuge, Dynamic self-organizing maps with controlled growth for knowledge discovery, IEEE Trans. on Neural Networks, 2000, NN-11(3), 601-614.[4]D. Choi, S. Park, Self-creating and organizing neural networks, IEEE Trans. on Neural Networks,1994, NN-5(4), 561-575.
  • 加载中
计量
  • 文章访问数:  2801
  • HTML全文浏览量:  152
  • PDF下载量:  693
  • 被引次数: 0
出版历程
  • 收稿日期:  2001-12-17
  • 修回日期:  2002-08-05
  • 刊出日期:  2003-03-19

目录

    /

    返回文章
    返回