全部 标题 作者
关键词 摘要

OALib Journal期刊
ISSN: 2333-9721
费用:99美元

查看量下载量

相关文章

更多...

可区分惩罚控制竞争学习算法*

, PP. 426-434

Full-Text   Cite this paper   Add to My Lib

Abstract:

竞争学习在聚类分析中是一种重要的学习方式,次胜者惩罚竞争学习(RPCL)算法虽能自动选择合理的类别数,但其性能对学习率和惩罚率的取值较敏感,其变种惩罚控制竞争学习(RPCCL)算法将所有的竞争单元当成冗余单元进行惩罚也不合理.文中提出一种可区分惩罚控制竞争学习算法(DRPCCL).算法中获胜单元的学习率会在迭代过程中自适应调整.同时该算法使用一种可区分惩罚控制机制来区分竞争单元中的冗余单元和正确单元,给予冗余单元较重惩罚,正确单元轻微惩罚,使得算法能自动确定正确类别数和中心点位置.最后通过实验对比分析证明DRPCCL算法的聚类效果比RPCL算法和RPCCL算法更准确.

References

[1]  Hofmann T, Buhmann J M. Competitive Learning Algorithms for Robust Vector Quantization. IEEE Trans on Signal Processing, 1998, 46(6): 1665-1675[2]Hsu C C. Generalizing SelfOrganizing Map for Categorical Data. IEEE Trans on Neural Networks, 2006, 17(2): 294-304 [3]Sun J G, Liu J, Zhao L Y. Clustering Algorithms Research. Journal of Software, 2008, 19(1): 48-61 (in Chinese)(孙吉贵,刘 杰,赵连宇.聚类算法研究.软件学报, 2008, 19(1): 48-61)[4]Jain A K. Data Clustering: 50 Years beyond Kmeans. Pattern Recognition Letters, 2010, 31(8): 651-666[5]Rumelhart D E, Zipser D. Feature Discovery by Competitive Learning. Cognitive Science, 1985, 9(1): 75-112[6]Grossberg S. Competitive Learning: From Interactive Activation to Adaptive Resonance. Cognitive Science, 1987, 11(1): 23-63
[2]  DeSieno D. Adding a Conscience to Competitive Learning // Proc of the IEEE International Conference on Neural Networks. San Diego, USA , 1988, I: 117-124

Full-Text

Contact Us

service@oalib.com

QQ:3279437679

WhatsApp +8615387084133