| RPCL算法、价值函数和类别数 |
| |
| 引用本文： | 马尽文,吴晓岩.RPCL算法、价值函数和类别数[J].信号处理,2003,19(Z1):240-244. |
| |
| 作者姓名： | 马尽文 吴晓岩 |
| |
| 作者单位： | 北京大学数学科学学院信息科学系,北京,100871 |
| |
| 基金项目： | 本项目受国家自然科学基金资助:60071004 |
| |
| 摘 要： | RPCL(Rival Penalized Competitive Learning)算法是一种十分有效的聚类方法,能够自动地确定数据中的类别个数.最近,我们根据其特点建立了一种价值函数,能够在正确类别数处达到最小值,并依此推导出更广泛的一类算法--DSRPCL(Distance Sensitive RPCL)算法.本文对该价值函数做了进一步的理论和实验分析.在一定条件下证明了价值函数在正确类别数初达到全局最小.并在一组模拟数据和图像数据上通过实验验证了价值函数的正确性.
|
| 关 键 词： | 聚类分析 价值函数 竞争学习 类别数. |
RPCL Algorithm, Cost Function and the Number of Clusters |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
