%0 Journal Article
%T 高属性维稀疏数据聚类回归逻辑神经网络模型及学习算法
%A 周永权
%A 焦李成
%J 电子学报
%P 1342-1345
%D 2004
%X 针对高属性维稀疏数据聚类问题,定义了模糊取大逻辑神经元,给出一种新的单层离散型回归逻辑神经网络模型,由稀疏特征差异度组成的相似阵作为该网络的初始权矩阵,通过单层离散型回归逻辑神经网络学习算法,可求出相似矩阵的等价阵,根据等价阵,给定不同的阈值,可动态地、有效地实现对高属性维稀疏数据的归并,使得聚类结果更符合实际情况,聚类质量较高.相比同类聚类算法,它具有学习、修正和应变功能,适用于大规模稀疏数据库和稀疏数据仓库的聚类分析.
%K 稀疏特征
%K 差异度
%K 逻辑回归神经网络
%K 动态聚类法
%K 学习算法
%U http://www.ejournal.org.cn/CN/abstract/abstract4341.shtml