MLVQ网络聚类算法

讨论了关于改进LVQ聚类网络的理论与算法.为克服LVQ网络聚类算法对初值敏感的问题广义学习矢量量化(GLVQ)网络算法对LVQ算法进行了改进,但GLVQ算法性能不稳定.GLVQ-F是对GLVQ网络算法的修改,但GLVQ-F算法仍存在对初值的敏感问题.分析了GLVQ-F网络算法对初值敏感的原因以及算法不稳定的理论缺陷,改进了算法理论并给出了一种新的改进的网络算法(MLVQ).实验结果表明新的算法解决了原有算法所存在的问题,而且性能稳定.

基于描述特征改进的LVQ神经网络美元识别研究

针对货币识别中残币、旧币、假币识别的难度大和正确性不高等问题。提出了一种基于描述特征的改进LVQ的神经网络的美元识别算法。该算法首先使用基于描述特征的主成分分析技术(MEFFRA)提取美元的主要特征,然后使用MLVQ神经网络进行识别。不仅降低了货币特征提取时的复杂度,同时也克服了GLVQ和GLVQ-F算法的性能不稳定和对初值敏感性的理论缺陷。是一种更加优化的有师学习算法。试验结果表明,把该算法用于美元识别,有很好的效果。