计算机工程与科学
計算機工程與科學
계산궤공정여과학
COMPUTER ENGINEERING & SCIENCE
2009年
9期
95-98
,共4页
Web数据挖掘%用户访问模式%Kohonen神经网络%学习率%邻域
Web數據挖掘%用戶訪問模式%Kohonen神經網絡%學習率%鄰域
Web수거알굴%용호방문모식%Kohonen신경망락%학습솔%린역
本文根据Kohonen自组织特征映射神经网络中学习阶段的性质,运用双Kohonen神经网络组合成新的自组织训练挖掘模型,先使用粗调整训练,加快模型学习速度,紧接着使用微调整训练,提高模型学习精度.实验结果表明,本文提出的双Kohonen神经网络挖掘模型,相对于标准Kohonen神经网络在训练速度和收敛效果上都有一定程度的提高,改善了聚类效果,为挖掘用户的多种兴趣提供了一种可行的方法.
本文根據Kohonen自組織特徵映射神經網絡中學習階段的性質,運用雙Kohonen神經網絡組閤成新的自組織訓練挖掘模型,先使用粗調整訓練,加快模型學習速度,緊接著使用微調整訓練,提高模型學習精度.實驗結果錶明,本文提齣的雙Kohonen神經網絡挖掘模型,相對于標準Kohonen神經網絡在訓練速度和收斂效果上都有一定程度的提高,改善瞭聚類效果,為挖掘用戶的多種興趣提供瞭一種可行的方法.
본문근거Kohonen자조직특정영사신경망락중학습계단적성질,운용쌍Kohonen신경망락조합성신적자조직훈련알굴모형,선사용조조정훈련,가쾌모형학습속도,긴접착사용미조정훈련,제고모형학습정도.실험결과표명,본문제출적쌍Kohonen신경망락알굴모형,상대우표준Kohonen신경망락재훈련속도화수렴효과상도유일정정도적제고,개선료취류효과,위알굴용호적다충흥취제공료일충가행적방법.
