自组织神经网络和K-means聚类算法的比较分析
Comparative analysis of SOM and K-means clustering作者机构：浙江工商大学金融学院杭州310018
出 版 物：《新型工业化》 (The Journal of New Industrialization)
年 卷 期：2014年第4卷第7期
页 面：63-69页
学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 0811[工学-控制科学与工程]
摘 要：本文主要是研究自组织神经网络作为一种具有拓扑限制的,以特征提取为主要手段的聚类算法,并与传统的K-means算法进行比较分析,并将它们应用于几组人工数据。传统的K-means算法具有计算效率高的优点,但是聚类结果不稳定,初始值对于聚类收敛的结果有一定的影响,相比之下,自组织神经网络由于其引入具有拓扑结构的邻域函数,虽然计算效率比较低,但是可以达到较为稳定的聚类结果,且受初值影响较小。
维普期刊数据库
同方期刊数据库