基于核的自組織映射聚類

肖　云　韓崇昭　王選宏　張俊杰

摘要：將核學習的方法應用于自組織映射聚類中，提出了一種核自組織映射聚類算法．該算法以核函數代替原始數據在特征空間中映射值的內積，并且神經元權值向量的初始化和更新都可由其組合系數向量表示，從而獲得了直觀而簡單的迭代公式．分析了算法中學習速率過高會降低學習穩定性、學習速率過低又會降低收斂速度等參數選擇問題，給出了一組折中考慮學習穩定性和收斂速度要求的參數初始值。實驗結果表明，核自組織映射聚類對于非橢圓型的類分布數據，如環形數據，聚類正確率也能夠達到99．886 4％，對IRIS數據集和入侵檢測報警數據的聚類也證明了核自組織映射聚類方法的良好性能。

關鍵詞：聚類算法；自組織映射；特征空間；核函數

中圖分類號：TPl81文獻標識碼：A文章編號：0253—987X(2005)12—1307—04