计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2011年
5期
1328-1330
,共3页
余莉%李佳田%李佳%段平%王华
餘莉%李佳田%李佳%段平%王華
여리%리가전%리가%단평%왕화
空间聚类%ART2神经网络%模式交混%数据粒度%树结构
空間聚類%ART2神經網絡%模式交混%數據粒度%樹結構
공간취류%ART2신경망락%모식교혼%수거립도%수결구
ART2网络是一种著名的聚类方法,已实际应用于诸多领域,其作用于二维空间数据,不仅存在模式漂移和向量幅度信息缺失的问题,而且难以适应不规则形态分布的空间数据的聚类.提出了一种树ART2网络模型(TART2),通过长期记忆(LTM)模式的调整和向量幅度信息的学习,使ART2网络保持了带空间距离约束的旧模式记忆;引入树结构优化,降低了警戒参数设置的主观要求,减少了模式交混现象的发生.对比实验结果表明,TART2网络更适用于带状分布的空间数据聚类,具有较高的可塑性和自适应性.
ART2網絡是一種著名的聚類方法,已實際應用于諸多領域,其作用于二維空間數據,不僅存在模式漂移和嚮量幅度信息缺失的問題,而且難以適應不規則形態分佈的空間數據的聚類.提齣瞭一種樹ART2網絡模型(TART2),通過長期記憶(LTM)模式的調整和嚮量幅度信息的學習,使ART2網絡保持瞭帶空間距離約束的舊模式記憶;引入樹結構優化,降低瞭警戒參數設置的主觀要求,減少瞭模式交混現象的髮生.對比實驗結果錶明,TART2網絡更適用于帶狀分佈的空間數據聚類,具有較高的可塑性和自適應性.
ART2망락시일충저명적취류방법,이실제응용우제다영역,기작용우이유공간수거,불부존재모식표이화향량폭도신식결실적문제,이차난이괄응불규칙형태분포적공간수거적취류.제출료일충수ART2망락모형(TART2),통과장기기억(LTM)모식적조정화향량폭도신식적학습,사ART2망락보지료대공간거리약속적구모식기억;인입수결구우화,강저료경계삼수설치적주관요구,감소료모식교혼현상적발생.대비실험결과표명,TART2망락경괄용우대상분포적공간수거취류,구유교고적가소성화자괄응성.
