| RPCL算法、价值函数和类别数 | |
| 马尽文 ; 吴晓岩 | |
| 2003 | |
| 关键词 | 聚类分析 价值函数 竞争学习 类别数 |
| 英文摘要 | RPCL(Rival Penalized Competitive Learning)算法是一种十分有效的聚类方法,能够自动地确定数据中的类别个数。最近,我们根据其特点建立了一种价值函数,能够在正确类别数处达到最小值,并依此推导出更广泛的一类算法——DSRPCL(Distance Sensitive RPCL)算法。本文对该价值函数做了进一步的理论和实验分析。在一定条件下证明了价值函数在正确类别数初达到全局最小。并在一组模拟数据和图像数据上通过实验验证了价值函数的正确性。; 0 |
| 语种 | 中文 |
| 出处 | 知网 |
| 内容类型 | 其他 |
| 源URL | [http://hdl.handle.net/20.500.11897/12652]  |
| 专题 | 数学科学学院 |
| 推荐引用方式 GB/T 7714 | 马尽文,吴晓岩. RPCL算法、价值函数和类别数. 2003-01-01. |
| 个性服务 |
| 查看访问统计 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论