基于競爭神經(jīng)網(wǎng)絡(luò)的全局K-Medoids聚類算法研究
摘要：針對全局K-Medoids算法在處理大規(guī)模數(shù)據(jù)聚類分析時搜索效率低的問題,提出了基于競爭神經(jīng)網(wǎng)絡(luò)的全局K-Medoids聚類算法。由于神經(jīng)網(wǎng)絡(luò)算法對輸入模式要求為數(shù)值向量,不適合處理文本序列數(shù)據(jù)的聚類問題,通過定義文本序列數(shù)據(jù)在聚類分析時的屬性描述方式,利用競爭神經(jīng)網(wǎng)絡(luò)對數(shù)據(jù)進行初始分類,在此基礎(chǔ)上運行全局K-Medoids算法進行詳細的分類,使算法適合于處理文本序列數(shù)據(jù)聚類問題。文章分別利用UCI數(shù)據(jù)庫中的8組實驗數(shù)據(jù)和機械加工企業(yè)工藝數(shù)據(jù)中的工藝路線數(shù)據(jù)進行算法驗證,結(jié)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(quán),如需閱讀全文請聯(lián)系組合機床與自動化加工技術(shù)雜志社
相關(guān)推薦
更多
.jpg)
于我們.jpeg)