面向分类数据的自组织神经网络

摘要：

作为一种优良的聚类和降维工具,自组织神经网络SOM(Self Organizing Feature Maps)已经得到广泛应用.其不足之处是仅适合于数值数据,这对时常需要处理分类型数据(Categorical valued data)或数值型与分类型混合数据(Mixed numeric and categorical valued data)的数据挖掘应用是不够的.该文提出了一种新的基于覆盖(Overlap)的距离函数并将其用于SOM训练.实验结果表明,在不增加时空开销的前提下可取得较好的聚类效果.

关键词：分类数据、聚类、自组织神经网络、数据挖掘

所属期刊栏目：39

分类号：TP18;TP183(自动化基础理论)

资助基金：国家自然科学基金69805002

在线出版日期：2004-01-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：96-98,101