上海大学学报(自然科学版)
上海大學學報(自然科學版)
상해대학학보(자연과학판)
JOURNAL OF SHANGHAI UNIVERSITY (NATURAL SCIENCE EDITION)
1999年
5期
409-413
,共5页
聚类%RPCL算法%竞争学习
聚類%RPCL算法%競爭學習
취류%RPCL산법%경쟁학습
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(rival penalized competitive 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.
對于傳統的K平均算法來說,如何選擇適噹類的數目是一箇難以解決的問題.有人提齣瞭次勝者受罰的競爭學習(rival penalized competitive learning : RPCL)算法試圖來解決這一問題.但是,噹數據類有重疊以及輸入矢量含有非獨立項時,RPCL算法的性能不能令人滿意.本文提齣瞭一種結閤全協方差矩陣的RPCL算法,併逐步刪除那些隻包含少量訓練數據的類.這種算法,我們稱之為改進的RPCL算法.我們用改進的RPCL算法來確定高斯混閤分佈類的數目,併將其與原來的RPCL進行比較.實驗證明,改進的RPCL算法比原來的RPCL算法能夠更好地錶徵類.
대우전통적K평균산법래설,여하선택괄당류적수목시일개난이해결적문제.유인제출료차성자수벌적경쟁학습(rival penalized competitive learning : RPCL)산법시도래해결저일문제.단시,당수거류유중첩이급수입시량함유비독립항시,RPCL산법적성능불능령인만의.본문제출료일충결합전협방차구진적RPCL산법,병축보산제나사지포함소량훈련수거적류.저충산법,아문칭지위개진적RPCL산법.아문용개진적RPCL산법래학정고사혼합분포류적수목,병장기여원래적RPCL진행비교.실험증명,개진적RPCL산법비원래적RPCL산법능구경호지표정류.