一种改进的模糊学习矢量化神经网络  

An Improved Fuzzy Learning Vector Quantization Network

作　　者：贺玲[1] 鲁汉榕[2] 马娅[2] 

机构地区：[1]空军雷达学院研究生队,湖北武汉430019 [2]空军雷达学院指挥自动化工程系,湖北武汉430019

出　　处：《空军雷达学院学报》2001年第1期33-35,共3页Journal of Air Force Radar Academy

摘　　要：模糊聚类是目前知识发现（ＫＤＤ）领域中的研究分支之一，而神经网络是用于聚类的良好工具。将模糊理论引入到一种自适应的ＬＶＱ神经网络，提出了一种改进的模糊学习矢量化（ＦＬＶＱ）神经网络。模拟仿真与分析表明，该网络同传统ＬＶＱ神经网络相比，具有良好的聚类效果。Fuzzy cluster is one of the branches of knowledge discovery in database (KDD). And neural network is a good tool for clustering. In this paper, fuzzy theory is applied to LVQ neural network and an improved FLVQ network is put forward. Compared with conventional LVQ, it has good cluster results illustrated by experiments.

关 键 词：神经网络 矢量化 KDD 模糊聚类 知识发现 聚类效果 自适应 分支 领域 模拟仿真 

分 类 号：TN943.6[电子电信—信号与信息处理] TP391[电子电信—信息与通信工程]