基于网格和密度的聚类神经网络结构优化.pdfVIP

第27卷增刊 哈尔滨工 程大学学报 V01．27 Suppl． 2006年7月 JournalofHarbin Jul．2006 EngineeringUniversity 基于网格和密度的聚类神经网络结构优化 邓冠男，邹开其 (大连大学信息工程学院，辽宁大连116622) 摘要：针对聚类神经网络初始权值与样本分类数的设定问题，提出一种基于网格和密度的聚类神经网络结构优化算法． 以网格和密度为工具提取聚类样本的聚类中心，并由此确定样本分类数，从而对聚类神经网络结构进行优化，可以有效地 提高神经网络的聚类效果，缩短样本聚类时间． 关键词：聚类神经网络；网格；密度；聚类中心 中图分类号：TPl83文献标识码：A 文章编号：1006．7043(2006)增．0055—04 thestructureof neuralnetworks Optimizing clustering basedon and grid density DENG Guan—nan，ZOUKai—qi ofInformation (School Engineering，DalianUniversity,Dalian116622，China) Abstract：Inordertosolvethe thathowtosettheinitial andthenumberof of problems weights classifications，analgorithm thestructureof neuralnetworksbasedon and is this and are optimizing clustering grid densityproposed．Inpaper,griddensity usedtoextractthecentersof thenclassificationsare structureof neural determined．Thus，the clusteringsamples，and clustering networksCanbe methodcall effectofneuralnetworkandshortenthetimeof optimized．This improveclustering validly clustering． neural of Keywords：clusteringnetworks；grid；density；centersclustering 聚类分析是数据挖掘中的重要研究领域．所谓 法一般能够收到较好的效果，但通常要以较长的 聚类是把一个样本集划分为几个不相交的子集，使 时间为代价．设定初始权值时，尽量使权值的初始 相似的样本尽量划分到同一个样本子集，而不相似 位置与输入样本的大致分布区域重合，但通常样 的样本尽量划分到不同的样本子集u1．随着神经网 本的分布很难确