期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
高属性维稀疏数据聚类回归逻辑神经网络模型及学习算法 被引量:3
1
作者 周永权 焦李成 《电子学报》 EI CAS CSCD 北大核心 2004年第8期1342-1345,共4页
针对高属性维稀疏数据聚类问题 ,定义了模糊取大逻辑神经元 ,给出一种新的单层离散型回归逻辑神经网络模型 ,由稀疏特征差异度组成的相似阵作为该网络的初始权矩阵 ,通过单层离散型回归逻辑神经网络学习算法 ,可求出相似矩阵的等价阵 ,... 针对高属性维稀疏数据聚类问题 ,定义了模糊取大逻辑神经元 ,给出一种新的单层离散型回归逻辑神经网络模型 ,由稀疏特征差异度组成的相似阵作为该网络的初始权矩阵 ,通过单层离散型回归逻辑神经网络学习算法 ,可求出相似矩阵的等价阵 ,根据等价阵 ,给定不同的阈值 ,可动态地、有效地实现对高属性维稀疏数据的归并 ,使得聚类结果更符合实际情况 ,聚类质量较高 .相比同类聚类算法 ,它具有学习、修正和应变功能 ,适用于大规模稀疏数据库和稀疏数据仓库的聚类分析 . 展开更多
关键词 稀疏特征 差异度 逻辑回归神经网络 动态聚类法 学习算法
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部