计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2012年
3期
638-642
,共5页
谢娟英%郭文娟%谢维信%高新波
謝娟英%郭文娟%謝維信%高新波
사연영%곽문연%사유신%고신파
聚类%次胜者受罚竞争学习算法%样本密度%聚类数目%聚类中心
聚類%次勝者受罰競爭學習算法%樣本密度%聚類數目%聚類中心
취류%차성자수벌경쟁학습산법%양본밀도%취류수목%취류중심
针对传统次胜者受罚竞争学习(RPCL)算法忽略数据集几何结构对节点权值调整的影响,以及魏立梅等提出的新RPCL算法(魏立梅,谢维信.聚类分析中竞争学习的一种新算法.电子科学学刊,2000,22(1):13 -18)引入密度来对节点的权值进行调整时,密度定义的主观性,提出基于样本空间分布密度的改进RPCL算法.该算法根据数据集样本自然分布定义样本密度,将此密度引入RPCL节点权值调整;使用UCI机器学习数据库数据集以及随机生成的带有噪声点的人工模拟数据集对算法进行实验测试,对算法确定数据集类簇数目的准确率、运行时间、聚类误差平方和、聚类结果的Rand指数、Jaccard系数以及Adjust Rand index参数进行分析比较.各项实验结果显示:所提算法优于原始RPCL算法和魏立梅算法,具有更好的聚类效果,对噪声数据有很强的抗干扰性能.所提算法不仅能根据样本的自然分布确定数据集的合理类簇数目,而且能确定合适的类簇中心,提高聚类的准确性,使聚类结果尽可能快地收敛到全局最优解.
針對傳統次勝者受罰競爭學習(RPCL)算法忽略數據集幾何結構對節點權值調整的影響,以及魏立梅等提齣的新RPCL算法(魏立梅,謝維信.聚類分析中競爭學習的一種新算法.電子科學學刊,2000,22(1):13 -18)引入密度來對節點的權值進行調整時,密度定義的主觀性,提齣基于樣本空間分佈密度的改進RPCL算法.該算法根據數據集樣本自然分佈定義樣本密度,將此密度引入RPCL節點權值調整;使用UCI機器學習數據庫數據集以及隨機生成的帶有譟聲點的人工模擬數據集對算法進行實驗測試,對算法確定數據集類簇數目的準確率、運行時間、聚類誤差平方和、聚類結果的Rand指數、Jaccard繫數以及Adjust Rand index參數進行分析比較.各項實驗結果顯示:所提算法優于原始RPCL算法和魏立梅算法,具有更好的聚類效果,對譟聲數據有很彊的抗榦擾性能.所提算法不僅能根據樣本的自然分佈確定數據集的閤理類簇數目,而且能確定閤適的類簇中心,提高聚類的準確性,使聚類結果儘可能快地收斂到全跼最優解.
침대전통차성자수벌경쟁학습(RPCL)산법홀략수거집궤하결구대절점권치조정적영향,이급위립매등제출적신RPCL산법(위립매,사유신.취류분석중경쟁학습적일충신산법.전자과학학간,2000,22(1):13 -18)인입밀도래대절점적권치진행조정시,밀도정의적주관성,제출기우양본공간분포밀도적개진RPCL산법.해산법근거수거집양본자연분포정의양본밀도,장차밀도인입RPCL절점권치조정;사용UCI궤기학습수거고수거집이급수궤생성적대유조성점적인공모의수거집대산법진행실험측시,대산법학정수거집류족수목적준학솔、운행시간、취류오차평방화、취류결과적Rand지수、Jaccard계수이급Adjust Rand index삼수진행분석비교.각항실험결과현시:소제산법우우원시RPCL산법화위립매산법,구유경호적취류효과,대조성수거유흔강적항간우성능.소제산법불부능근거양본적자연분포학정수거집적합리류족수목,이차능학정합괄적류족중심,제고취류적준학성,사취류결과진가능쾌지수렴도전국최우해.
