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
服务热线(免长话费) 400-1088-466
工作时间:8:30--12:00 13:00-17:30