基于样本空间分布密度的改进次胜者受罚竞争学习算法

作者：谢娟英; 郭文娟; 谢维信; 高新波

来源：计算机应用, 2012, (03): 638-642.

• 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 clustering
• Rival Penalized Competitive Learning(RPCL) algorithm
• sample density
• cluster number
• cluster center

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 Ran...

• 出版日期2012
• 单位深圳大学; 西安电子科技大学; 陕西师范大学