期刊文献+

动态K-均值聚类算法在RBF神经网络中心选取中的应用 被引量:9

下载PDF
导出
摘要 RBF神经网络构造的关键问题是中心的选取,动态K-均值聚类算法采用调整聚类中心的方法,使网络中心的选择更精确。本文先简介了RBF神经网络的结构原理,然后将动态K-均值算法应用于BRF神经网络的中心选取,最后进行了仿真实验。实验结果表明采用动态K-均值算法确定中心的RBF神经网络逼近性能更好,具有较强的实用性。
出处 《信息系统工程》 2011年第6期83-85,共3页
  • 相关文献

参考文献4

二级参考文献27

  • 1凌萍.一种基于网格划分的模糊聚类算法[J].徐州师范大学学报(自然科学版),2005,23(1):39-44. 被引量:1
  • 2王生生,刘大有,曹斌,刘杰.一种高维空间数据的子空间聚类算法[J].计算机应用,2005,25(11):2615-2617. 被引量:12
  • 3袁友伟,鄢腊梅,郭庆平.点云数据重构三维网格形状的新算法[J].计算机工程,2005,31(23):4-5. 被引量:4
  • 4朱根标,张凤鸣,董群立.基于核函数和相似度的动态聚类算法[J].微电子学与计算机,2006,23(3):178-179. 被引量:8
  • 5XU R,Donald Wunsch Ⅱ.Survey of Clustering Algorithms[J].IEEE Transactions on Neural Networks.2005,16(3):645 -678.
  • 6ZHAO Y,KARYPIS G.Topic-driven Clustering for Document Datasets[A].SIAM 2005 Data Mining Conference[C].St.Louis,Missouri,2005.358 -369.
  • 7DHILLON I,KOGAN J,NICHOLAS C.Feature Selection and Document Clustering[A].2002 CADIP Research Symposium Proceedings[C].2002.73-100.
  • 8http://kdd.ics.uci.edu/databases/20newsgroups/20newsgroups.html.
  • 9Dhillon,I.S.,Fan,J,Guan,Y.,Efficient Clustering of Very Large Document Collections,Data Mining for Scientific and Engineering Applications[M].Kluwer Academic Publishers,2001.357-382.
  • 10HanJ KamberM.数据挖掘概念与技术[M].北京:机械工业出版社,2001.185.

共引文献39

同被引文献78

引证文献9

二级引证文献25

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