基于競爭神經(jīng)網(wǎng)絡(luò )的全局K-Medoids聚類(lèi)算法研究
摘要：針對全局K-Medoids算法在處理大規模數據聚類(lèi)分析時(shí)搜索效率低的問(wèn)題,提出了基于競爭神經(jīng)網(wǎng)絡(luò )的全局K-Medoids聚類(lèi)算法。由于神經(jīng)網(wǎng)絡(luò )算法對輸入模式要求為數值向量,不適合處理文本序列數據的聚類(lèi)問(wèn)題,通過(guò)定義文本序列數據在聚類(lèi)分析時(shí)的屬性描述方式,利用競爭神經(jīng)網(wǎng)絡(luò )對數據進(jìn)行初始分類(lèi),在此基礎上運行全局K-Medoids算法進(jìn)行詳細的分類(lèi),使算法適合于處理文本序列數據聚類(lèi)問(wèn)題。文章分別利用UCI數據庫中的8組實(shí)驗數據和機械加工企業(yè)工藝數據中的工藝路線(xiàn)數據進(jìn)行算法驗證,結果證明該方法的效率和精度均高于K-Medoids算法和全局K-Medoids算法。
注: 保護知識產(chǎn)權,如需閱讀全文請聯(lián)系組合機床與自動(dòng)化加工技術(shù)雜志社
相關(guān)推薦
更多
.jpg)
于我們.jpeg)