拓扑自适应谐振理论在数据聚类中的应用  

Application of topology adaptive resonance theory in data clustering

作　　者：朱颖雯[1] Zhu Yingwen(College of Computer Science and Engineering,Sanjiang University,Nanjing,Jiangsu 210012,China)

机构地区：[1]三江学院计算机科学与工程学院,江苏南京210012

出　　处：《计算机时代》2020年第11期39-42,46,共5页Computer Era

基　　金：江苏省普通高校自然科学研究资助项目(17KJD520007);江苏省三江学院校教学建设与改革项目(J19037)。

摘　　要：将自适应谐振理论(Adaptive Resonance Theory)与拓扑学习神经网络相结合,研究了一种新的无监督神经网络用于非平稳数据稳定在线聚类。并引入自组织增量神经网络(Self-Organising Incremental Neural Network),同时学习两种反映不同层次细节的表现方法。此网络即对噪声低敏感,又适合于解决实际问题的应用。This paper combines ART(Adaptive Resonance Theory)with topological learning neural network to study a new unsupervised neural network for stable online clustering on non-stationary input data.In particular,SOINN(Self-Organizing Incremental Neural Network)is introduced,so that two representations to reflect different levels of detail are learnt simultaneously.The network is low sensitivity to noise,and is suitable for solving real-world problems.

关 键 词：在线学习 拓扑学习 自适应谐振理论 聚类 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]