排序方式: 共有4条查询结果,搜索用时 0 毫秒
1
1.
本文构造了径向基函数(RBF)神经网络的一类软竞争学习算法(SCLA).该算法的主要思想是首先在高斯基函数中心向量的训练过程中引入了隶属度函数,对每个输入样本,所有中心向量根据该样本属于其代表的类的隶属度值的大小进行自适应地调整;第二,把隶属度函数的模糊因子的倒数与模拟退火算法中的温度等同起来,在迭代过程中采用递增的方式来调整它.SCLA是RBF网络基于k-均值方法训练中心向量的学习算法的软竞争格式,它可以克服后者对初始值敏感和死节点的问题.仿真实验论证了SCLA是有效的. 相似文献
2.
Constructing a batch of differentiate entropy functions to uniformly approximate an objective function by means of the maximum-entropy principle, a new clustering algorithm, called maximum-entropy clustering algorithm, is proposed based on optimization theory. This algorithm is a soft generalization of the hard C-means algorithm and possesses global convergence. Its relations with other clustering algorithms are discussed. 相似文献
3.
4.
1