聚类中心计数值和全局距离向量RPCL算法 |
| |
引用本文: | 沈佳杰,江红,王肃.聚类中心计数值和全局距离向量RPCL算法[J].计算机工程与设计,2014(5):1811-1815. |
| |
作者姓名: | 沈佳杰 江红 王肃 |
| |
作者单位: | 华东师范大学信息科学技术学院 |
| |
基金项目: | 国家863高技术研究发展计划基金项目(2013AA01A211) |
| |
摘 要: | 针对标准的竞争学习算法(rival penalized competitive learning,RPCL)在问题规模较大情况下,算法收敛速度较慢以及无法精确找到聚类中心的问题,通过引入聚类中心计数值和全局距离向量的方法,提高了RPCL算法对于问题全局最优解的搜索能力,提出了一个基于聚类中心计数值和全局距离向量的RPCL算法改进。通过理论证明验证了该RPCL算法可以有效提高RPCL算法对于全局最优聚类中心的搜索能力以及聚类结果的准确性,实验结果表明了理论推导的正确性以及该算法的可行性。
|
关 键 词: | 竞争学习算法 聚类算法 聚类中心计数值 全局距离向量 RPCL算法 |
本文献已被 CNKI 等数据库收录! |
|