情报学报
情報學報
정보학보
2006年
3期
296-300
,共5页
模糊神经网络%文本聚类%模糊聚类中心向量%隶属度
模糊神經網絡%文本聚類%模糊聚類中心嚮量%隸屬度
모호신경망락%문본취류%모호취류중심향량%대속도
提出了一种新的模糊竞争神经网络聚类模型NFCNNC,并将其应用到文本聚类中.NFCNNC将模糊中心聚类(FCC)算法得到的模糊聚类中心向量作为神经网络的权值,通过比较隶属度值得到获胜神经元.网络中仅两个神经元同时调节权值.隶属度值最大的神经元以较大的学习率调整权值,隶属度次大的神经元以较小的学习率调整权值,其他神经元权值不变.按照FCC算法调整模糊聚类中心向量值(即权值)和神经元的隶属度,当网络稳定时,即可确定聚类数.与传统模糊神经网络模型相比,本文的模糊神经网络模型具有结构简单、运行效率高、聚类精度高的优点,同时克服了传统算法需预先指定聚类数的局限性.通过对文本聚类的实验验证,本算法取得了良好的效果.
提齣瞭一種新的模糊競爭神經網絡聚類模型NFCNNC,併將其應用到文本聚類中.NFCNNC將模糊中心聚類(FCC)算法得到的模糊聚類中心嚮量作為神經網絡的權值,通過比較隸屬度值得到穫勝神經元.網絡中僅兩箇神經元同時調節權值.隸屬度值最大的神經元以較大的學習率調整權值,隸屬度次大的神經元以較小的學習率調整權值,其他神經元權值不變.按照FCC算法調整模糊聚類中心嚮量值(即權值)和神經元的隸屬度,噹網絡穩定時,即可確定聚類數.與傳統模糊神經網絡模型相比,本文的模糊神經網絡模型具有結構簡單、運行效率高、聚類精度高的優點,同時剋服瞭傳統算法需預先指定聚類數的跼限性.通過對文本聚類的實驗驗證,本算法取得瞭良好的效果.
제출료일충신적모호경쟁신경망락취류모형NFCNNC,병장기응용도문본취류중.NFCNNC장모호중심취류(FCC)산법득도적모호취류중심향량작위신경망락적권치,통과비교대속도치득도획성신경원.망락중부량개신경원동시조절권치.대속도치최대적신경원이교대적학습솔조정권치,대속도차대적신경원이교소적학습솔조정권치,기타신경원권치불변.안조FCC산법조정모호취류중심향량치(즉권치)화신경원적대속도,당망락은정시,즉가학정취류수.여전통모호신경망락모형상비,본문적모호신경망락모형구유결구간단、운행효솔고、취류정도고적우점,동시극복료전통산법수예선지정취류수적국한성.통과대문본취류적실험험증,본산법취득료량호적효과.
