基于算法改进的ART2数据聚类方法研究

作     者：钱晓东 王正欧 QIAN Xiao-dong;WANG Zhen-gou

作者机构：天津大学电气与自动化工程学院天津300072 天津大学系统工程研究所天津300072 

出 版 物：《哈尔滨工业大学学报》 (Journal of Harbin Institute of Technology)

年 卷 期：2006年第38卷第9期

页      面：1549-1552,1600页

核心收录：

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)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 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：国家自然科学基金资助项目(60275020) 

主　　题：自适应谐振 神经网络 聚类 警戒参数 

摘      要：为提高聚类精度和产生更多类别相关信息,在分析了传统聚类方法对最初样本集过分依赖,不能动态适应样本空间变化,不能动态决定聚类数目等不足后,通过介绍其特性和优点提出应用自适应谐振神经网络(ART2)作为聚类算法;针对经典ART2模型的主观设置警戒参数、输出无组织等不足,提出基于改进算法的ART2模型用于聚类分析;通过自组织、迭代、加权等过程推导合理类别的聚类所需要的警戒参数,仿真实验证明了本算法的有效性.