期刊文献+

改进的模糊聚类算法

Improved Fuzzy C-means Clustering Algorithm
下载PDF
导出
摘要 隐节点中心的选取一直是各种RBF神经网络学习算法面临的主要问题之一,主要针对隐节点中心的选择问题,在研究减法聚类和模糊C-均值聚类算法优缺点的基础上,提出了改进的模糊聚类算法.仿真实验表明,改进的算法增强了网络对离群点的鲁棒性,同时缩短了网络的训练时间. The selection of RBF hidden node centers is one of the major problems in RBF network learning. Aimed at the difficulty and based on the merits and demerits of the existing RBF learning algorithms such as subtractive clustering and fuzzy C - means clustering, this paper proposes a revised fuzzy clustering which is finally applied to strengthen the robustness of the outliers by the network with the effectiveness proved.
作者 袁银莉
出处 《绍兴文理学院学报》 2009年第10期46-49,共4页 Journal of Shaoxing University
关键词 RBF神经网络 减法聚类 模糊C-均值聚类 RBF neural network subtractive clustering fuzzy C- means clustering
  • 相关文献

参考文献3

  • 1钱同惠,沈其聪,葛晓滨等.模糊逻辑及其工程应用[M].北京:电子工业出版社.2001:303-325
  • 2Bezdek J C. A convergence theorem for the Fuzzy ISODATA clustering algorithms[J].IEEE Transactions on PaRem Analysis and Machine Intelligence, 1980,2( 1 ) : 1 - 8.
  • 3Haralambos S, Alex A, Geogore B. A fast training algorithm for RBF networks based on subtraetive elustering[J~. Neurocomputing, 2003,51 : 501 - 505.

共引文献9

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部