基于小波和过程神经网络的时序聚类分析

作     者：葛利 印桂生 GE Li;YIN Gui-sheng

作者机构：哈尔滨工程大学计算机科学与技术学院黑龙江哈尔滨150001 哈尔滨商业大学计算机与信息工程学院黑龙江哈尔滨150028 

出 版 物：《电机与控制学报》 (Electric Machines and Control)

年 卷 期：2011年第15卷第12期

页      面：78-82页

核心收录：

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 0808[工学-电气工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 081104[工学-模式识别与智能系统] 0807[工学-动力工程及工程热物理] 0804[工学-仪器科学与技术] 0802[工学-机械工程] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：黑龙江省科技攻关计划项目(GC05A118) 哈尔滨市科技创新人才研究专项资金项目(2008RFQXG072) 

主　　题：时间序列 聚类分析 自组织过程神经网络 小波 

摘      要：针对时序背景下的聚类问题,提出一种基于小波和改进自组织过程神经网络的时序聚类方法,首先应用小波变换对原时序数据进行小波分解,在保留相关聚类特征的原则下,对信号进行重构;然后将重构信号拟合为时变函数作为过程神经网络的输入,应用改进的竞争算法训练自组织过程神经网络,利用过程神经网络输入为时变函数的特点,将经过小波处理后的时序信号特征充分考虑到聚类分析中,网络提取输入函数隐含的过程式模式特征并进行自组织,给出了改进的竞争学习算法;最后应用UCI数据集聚类结果表明,该方法在聚类正确率、网络运行时间和收敛速度上均有提高,同时在聚类质量、聚类速度方面表现出良好性能,能有效地应用于时序聚类。