计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2005年
3期
167-169
,共3页
自组织特征映射%文档聚类%自适应
自組織特徵映射%文檔聚類%自適應
자조직특정영사%문당취류%자괄응
采用标准的自组织特征映射(Self-Organizing Feature Map)网络进行文档分类时存在着收敛速度慢、不同的初始条件及学习样本输入顺序影响学习过程和学习结果等缺点.针时这种情况,论文提出了一种改进的自组织特征映射网络文档分类方法,即采用自适应的方法建立网络拓扑结构,利用输入训练样本来确定网络中的连接权值,综合系统能量函数和训练次数作为判断网络的学习结束标准,并且取得了比较好的实验结果.
採用標準的自組織特徵映射(Self-Organizing Feature Map)網絡進行文檔分類時存在著收斂速度慢、不同的初始條件及學習樣本輸入順序影響學習過程和學習結果等缺點.針時這種情況,論文提齣瞭一種改進的自組織特徵映射網絡文檔分類方法,即採用自適應的方法建立網絡拓撲結構,利用輸入訓練樣本來確定網絡中的連接權值,綜閤繫統能量函數和訓練次數作為判斷網絡的學習結束標準,併且取得瞭比較好的實驗結果.
채용표준적자조직특정영사(Self-Organizing Feature Map)망락진행문당분류시존재착수렴속도만、불동적초시조건급학습양본수입순서영향학습과정화학습결과등결점.침시저충정황,논문제출료일충개진적자조직특정영사망락문당분류방법,즉채용자괄응적방법건립망락탁복결구,이용수입훈련양본래학정망락중적련접권치,종합계통능량함수화훈련차수작위판단망락적학습결속표준,병차취득료비교호적실험결과.
