论文部分内容阅读
为提高聚类精度和产生更多类别相关信息，在分析了传统聚类方法对最初样本集过分依赖，不能动态适应样本空间变化，不能动态决定聚类数目等不足后，通过介绍其特性和优点提出应用自适应谐振神经网络（ART2）作为聚类算法；针对经典ART2模型的主观设置警戒参数、输出无组织等不足，提出基于改进算法的ART2模型用干聚类分析；通过自组织、迭代、加权等过程推导合理类别的聚类所需要的警戒参数，仿真实验证明了本算法的有效性．