...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Neural processing letters >Self-Organizing-Map Based Clustering Using a Local Clustering Validity Index
【24h】

Self-Organizing-Map Based Clustering Using a Local Clustering Validity Index

机译：使用局部聚类有效性指数的基于自组织图的聚类

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Classical clustering methods, such as partitioning and hierarchical clustering algorithms, often fail to deliver satisfactory results, given clusters of arbitrary shapes. Motivated by a clustering validity index based on inter-cluster and intra-cluster density, we propose that the clustering validity index be used not only globally to find optimal partitions of input data, but also locally to determine which two neighboring clusters are to be merged in a hierarchical clustering of Self-Organizing Map (SOM). A new two-level SOM-based clustering algorithm using the clustering validity index is also proposed. Experimental results on synthetic and real data sets demonstrate that the proposed clustering algorithm is able to cluster data in a better way than classical clustering algorithms on an SOM.
机译：给定任意形状的群集，传统的群集方法（例如分区和分层群集算法）通常无法提供令人满意的结果。受基于集群间和集群内密度的聚类有效性指标的启发，我们建议使用聚类有效性指标不仅可以全局使用来查找输入数据的最佳分区，而且可以局部使用以确定要合并的两个相邻聚类自组织图（SOM）的分层群集中。提出了一种基于聚类有效性指标的基于两层SOM的聚类算法。在合成和真实数据集上的实验结果表明，与在SOM上的经典聚类算法相比，所提出的聚类算法能够以更好的方式对数据进行聚类。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 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