首页> 中文期刊> 《情报学报》 >NFCNNC:一种新的模糊竞争神经网络聚类模型及其在文本聚类中的应用

NFCNNC:一种新的模糊竞争神经网络聚类模型及其在文本聚类中的应用

         

摘要

提出了一种新的模糊竞争神经网络聚类模型NFCNNC,并将其应用到文本聚类中.NFCNNC将模糊中心聚类(FCC)算法得到的模糊聚类中心向量作为神经网络的权值,通过比较隶属度值得到获胜神经元.网络中仅两个神经元同时调节权值.隶属度值最大的神经元以较大的学习率调整权值,隶属度次大的神经元以较小的学习率调整权值,其他神经元权值不变.按照FCC算法调整模糊聚类中心向量值(即权值)和神经元的隶属度,当网络稳定时,即可确定聚类数.与传统模糊神经网络模型相比,本文的模糊神经网络模型具有结构简单、运行效率高、聚类精度高的优点,同时克服了传统算法需预先指定聚类数的局限性.通过对文本聚类的实验验证,本算法取得了良好的效果.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号