一种基于属性约简和SOFM神经网络的聚类方法

摘要：

粗糙集理论和神经网络在对样本的聚类分析中有各自的优势和劣势.本文在自组织特征映射(self-Or-ganizing-Feature-Map,SOFM)神经网络的训练过程中引入属性约简对训练样本进行预处理并去掉冗余属性,从而简化训练样本的表达空间维数并减小了网络的规模,因此提高了聚类效率.最后通过实验证明了本文提出的方法能有效地改善该类神经网络对含有噪声、冗余或不确定值数据输入模式的处理能力.

关键词： 粗糙集 神经网络 属性约简 冗余属性 聚类 自组织特征映射

作者: 党留群 冯乃勤 南书坡

作者单位: 河南师范大学计算机与信息技术学院,新乡 453007

会议类型: 国内会议

会议名称: 第八届中国Rough集与软计算、第二届中国Web智能、第二届中国粒计算联合会议(CRSSC-CWI-CGrC”2008)

会议地点: 北京

会议语种:中文

页码: 92-94,110

在线出版日期: 2008-08-01（万方平台首次上网日期，不代表论文的发表时间）