福建电脑
福建電腦
복건전뇌
FUJIAN COMPUTER
2009年
1期
78,111
,共2页
学习矢量量化网络%阈值规则%死点%训练误差
學習矢量量化網絡%閾值規則%死點%訓練誤差
학습시량양화망락%역치규칙%사점%훈련오차
现在学习矢量量化(Learnling Vector Quantization,LVQ)网络在聚类分析中得到了广泛的应用,但是该类网络还有需要完善的地方.本文通过在LVQ网络的训练过程中引入阈值学习规则,提出了一种改进的算法,较好的解决了该类网络中遇到"死"点时不能对数据进行正确分类的问题.最后通过Matlab7.0仿真实验表明该算法与传统的LVQ罔络相比具有更好的聚类效果.
現在學習矢量量化(Learnling Vector Quantization,LVQ)網絡在聚類分析中得到瞭廣汎的應用,但是該類網絡還有需要完善的地方.本文通過在LVQ網絡的訓練過程中引入閾值學習規則,提齣瞭一種改進的算法,較好的解決瞭該類網絡中遇到"死"點時不能對數據進行正確分類的問題.最後通過Matlab7.0倣真實驗錶明該算法與傳統的LVQ罔絡相比具有更好的聚類效果.
현재학습시량양화(Learnling Vector Quantization,LVQ)망락재취류분석중득도료엄범적응용,단시해류망락환유수요완선적지방.본문통과재LVQ망락적훈련과정중인입역치학습규칙,제출료일충개진적산법,교호적해결료해류망락중우도"사"점시불능대수거진행정학분류적문제.최후통과Matlab7.0방진실험표명해산법여전통적LVQ망락상비구유경호적취류효과.
