一种基于迭代的神经网络聚类方法

发布时间：2019年05月22日 分类：专利

    本发明涉及一种基于迭代的神经网络聚类算法。步骤1，初始化超限学习机模型参数；步骤2，随机选取与所要聚类个数相同数量的样本，每个样本代表一个聚类，构成初始榜样样本集，训练得到初始的超限学习机模型；步骤3，利用当前的超限学习机模型对样本进行聚类分组，并得到聚类结果；步骤4，对于每一个聚类分组，根据规则选取多个样本作为该聚类分组的榜样；步骤5，使用步骤4中得到各聚类分组的榜样样本来更新超限学习机模型；步骤6，返回步骤3进行迭代，直到聚类分组达到稳定或满足迭代次数要求，得到并输出聚类分组。本发明既解决了处理高维非线性数据空间聚类的问题，又解决了内存消耗大和运行时间长的问题。

CN201510885998-一种基于迭代的神经网络聚类方法-申请公开.pdf