一种改进的ART2网络学习算法  

An improved ART2 neural network clustering algorithm

作　　者：徐艺萍[1] 邓辉文[1] 李阳旭[2] 

机构地区：[1]西南大学逻辑与智能研究中心 [2]成都信息工程学院电子商务系,四川成都610225

出　　处：《计算机应用》2006年第3期659-662,共4页journal of Computer Applications

基　　金：国家社会科学基金资助项目(NSSF04BZX046)

摘　　要：分析了现有ART2网络存在的问题,提出了一种改进的ART2算法。该算法首先利用样本数据自身来初始化权值,然后按照同一类中的数据点到其聚类中心的距离之和越小(即类内偏差越小),聚类效果越好的原则来设计特征表示场和类别表示场之间的权值修正公式,最后通过比较输入样本和聚类中心的模来有效地利用模式的幅度信息。分析证明了该算法不仅能有效解决模式漂移问题、充分利用幅度信息,而且能提高聚类速度。By analyzing ART2 neural network clustering algorithm, an improved ART2 neural network clustering algorithm was proposed. This algorithm applied the sample data to initialize its weights, then designed the formula of modifying weights between feature representation layer and class representation layer based on the principle that the distance between each data in the same class and their clustering center was nearer, clustering result was better. The amplitude information was used by comparing module of input data and clustering center. The analysis illustrates that this algorithm can solve pattern drifting, use amplitude information well, and arise clustering speed.

关 键 词：ART2网络 幅度信息 模式漂移 聚类 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]