文件名称：基于聚类优化的RBF神经网络多标记学习算法 (2012年)
文件大小：542KB
文件格式：PDF
更新时间：2024-06-01 01:40:24
自然科学 论文
多标记学习采用RBF神经网络与K-means聚类算法相结合取得了较好的效果，但由于聚类数事先不能很好地确定，无法给出准确的聚类个数值，会导致聚类质量下降、聚类结果不稳定等，进而影响RBF神经网络多标记算法的稳定性及分类性能。本文从样本几何结构的角度出发，采用一种聚类有效性指标函数，为每个类寻找最优的聚类个数，从而优化问题的求解。理论研究和实验结果表明，改进后的算法在分类的稳定性及分类性能方面都有较好的表现。