基于特征加權的改進Hopfield神經網絡解決劃分聚類問題.pdf_第1頁
已閱讀1頁,還剩70頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、聚類分析是發(fā)現數據內有用信息的一種有效手段,具有著重要的研究意義和應用前景。劃分聚類問題(PC問題)是備受關注和挑戰(zhàn)的重要研究方向之一,因此,尋求快速、有效的方法解決劃分聚類問題是十分必要的。研究證明,劃分聚類問題是一種NP難的組合優(yōu)化問題。近幾十年來,Hopfield神經網絡被廣泛應用于解決劃分組合優(yōu)化問題并取得了良好的效果。2008年,Wang提出了一種Stochastic Optimal Competitive Hopfield

2、Neural Network(SOCHNN)方法求解劃分聚類問題,并能較k-means,GA,GPSO,DE等先前的聚類方法獲得更好的結果。然而SOCHNN方法卻存在著一個缺陷:它沒考慮數據特征對聚類的不同貢獻,聚類結果受著噪聲特征的干擾。
   本文提出了一種基于特征加權機制的SOCHNN神經網絡聚類方法,并采用不同加權機制探討改進算法的性能。與原方法相結合的兩種不同特征加權機制,一種是自動特征加權機制,其算法效率高只需用戶輸

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論