[发明专利]一种基于迭代的神经网络聚类方法在审
| 申请号： | 201510885998.2 | 申请日： | 2015-12-06 |
| 公开（公告）号： | CN105550744A | 公开（公告）日： | 2016-05-04 |
| 发明（设计）人： | 段立娟;袁彬;崔嵩;苗军;刘军发 | 申请（专利权）人： | 北京工业大学 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08;G06N99/00 |
| 代理公司： | 北京思海天达知识产权代理有限公司 11203 | 代理人： | 刘萍 |
| 地址： | 100124 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 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。 | ||
| 搜索关键词： | 一种 基于 神经网络 方法 | ||
【主权项】：
一种基于迭代的神经网络聚类算法，其特征在于包括以下步骤：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，训练超限学习机以得到初始的隐层到输出层间权值；步骤3，利用当前的超限学习机模型对样本进行聚类分组；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，使用上个步骤中得到各聚类分组的榜样样本来重新训练超限学习机模型；步骤6，若满足结束条件则输出聚类分组结果，否则返回步骤3。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京工业大学，未经北京工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201510885998.2/，转载请声明来源钻瓜专利网。
