计算机工程与设计
計算機工程與設計
계산궤공정여설계
COMPUTER ENGINEERING AND DESIGN
2014年
5期
1811-1815
,共5页
竞争学习算法%聚类算法%聚类中心计数值%全局距离向量%RPCL算法
競爭學習算法%聚類算法%聚類中心計數值%全跼距離嚮量%RPCL算法
경쟁학습산법%취류산법%취류중심계수치%전국거리향량%RPCL산법
rival competitive learning algorithm%clustering algorithm%cluster center counts%global distance vector%RPCL algorithm
针对标准的竞争学习算法(rival penalized competitive learning,RPCL)在问题规模较大情况下,算法收敛速度较慢以及无法精确找到聚类中心的问题,通过引入聚类中心计数值和全局距离向量的方法,提高了RPCL算法对于问题全局最优解的搜索能力,提出了一个基于聚类中心计数值和全局距离向量的RPCL算法改进.通过理论证明验证了该RPCL算法可以有效提高RPCL算法对于全局最优聚类中心的搜索能力以及聚类结果的准确性,实验结果表明了理论推导的正确性以及该算法的可行性.
針對標準的競爭學習算法(rival penalized competitive learning,RPCL)在問題規模較大情況下,算法收斂速度較慢以及無法精確找到聚類中心的問題,通過引入聚類中心計數值和全跼距離嚮量的方法,提高瞭RPCL算法對于問題全跼最優解的搜索能力,提齣瞭一箇基于聚類中心計數值和全跼距離嚮量的RPCL算法改進.通過理論證明驗證瞭該RPCL算法可以有效提高RPCL算法對于全跼最優聚類中心的搜索能力以及聚類結果的準確性,實驗結果錶明瞭理論推導的正確性以及該算法的可行性.
침대표준적경쟁학습산법(rival penalized competitive learning,RPCL)재문제규모교대정황하,산법수렴속도교만이급무법정학조도취류중심적문제,통과인입취류중심계수치화전국거리향량적방법,제고료RPCL산법대우문제전국최우해적수색능력,제출료일개기우취류중심계수치화전국거리향량적RPCL산법개진.통과이론증명험증료해RPCL산법가이유효제고RPCL산법대우전국최우취류중심적수색능력이급취류결과적준학성,실험결과표명료이론추도적정학성이급해산법적가행성.
