聚类中心计数值和全局距离向量RPCL算法  

Improving RPCL algorithm based on cluster center counts and global distance vector

作　　者：沈佳杰[1] 江红[1] 王肃[1] 

机构地区：[1]华东师范大学信息科学技术学院,上海200241

出　　处：《计算机工程与设计》2014年第5期1811-1815,共5页Computer Engineering and Design

基　　金：国家863高技术研究发展计划基金项目(2013AA01A211)

摘　　要：针对标准的竞争学习算法(rival penalized competitive learning,RPCL)在问题规模较大情况下,算法收敛速度较慢以及无法精确找到聚类中心的问题,通过引入聚类中心计数值和全局距离向量的方法,提高了RPCL算法对于问题全局最优解的搜索能力,提出了一个基于聚类中心计数值和全局距离向量的RPCL算法改进。通过理论证明验证了该RPCL算法可以有效提高RPCL算法对于全局最优聚类中心的搜索能力以及聚类结果的准确性,实验结果表明了理论推导的正确性以及该算法的可行性。Aiming to problem of standard RPCL （rival penalized competitive learning） algorithm slow convergence rate and hard to find the cluster center in the large scale situation, using method of introducing the Cluster center counts and global distance vector, a based on cluster center counts and global distance vector RPCL algorithm is presented. Though theoretical derivation, the improved RPCL algorithm can improve the global cluster center searching capability of RPCL algorithm. The correctness of the theoretical derivation and improved RPCL algorithm is verified by experiment.

关 键 词：竞争学习算法 聚类算法 聚类中心计数值 全局距离向量 RPCL算法 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]