Optimal clustering using neural networks
Optimal clustering using neural networks
复制标题
使用神经网络的最佳聚类
DOI：
10.1109/icsmc.1998.728121
复制
发表时间：
1998
期刊：
影响因子：
--
通讯作者：
C.Y.C. Chung
中科院分区：
文献类型：
--
作者：
Jung;C.Y.C. Chung
提出了一种改进的基于神经网络的聚类方法。改进后的方法不需要预先指定聚类数目。为了获得更准确和计算效率更高的聚类结果，该方法自适应地计算每个类的最佳阈值，而不是计算最小生成树来确定一个固定的全局阈值。仿真结果表明，在精度和计算时间方面，该方法提供了上级性能优于传统的k-means方法。
This paper proposes an improved clustering method based on a neural network. The improved method does need not pre-specify the number of clusters. In order to obtain more accurate and computation-efficient clustering results, the proposed method adaptively computes the optimal threshold for each cluster separately, instead of calculating minimum spanning tree for determining a fixed global threshold. Simulation results show that in terms of accuracy and computation time, the proposed method provides superior performance to that of the traditional k-means method.