RBFN神经网络和蚁群算法在企业知识聚类中的对比分析 |
| |
作者姓名: | 廖文彬 |
| |
作者单位: | 成都理工大学信息管理学院,四川成都610059 |
| |
摘 要: | 文中设计了一个3层径向基神经网络(RBFN)用于对企业的5项评价指标进行聚类分析,并与蚁群算法做了比较分析。RBFN由输入层到隐含层采用传统的K-均值算法,隐含层到输出层通过“模2递减”学习速率的BP学习;蚁群算法根据信息素的分配能够自动调整收索路径,从而达到数据自动聚类的目的。结果表明,与蚁群算法相比,改进RBFN具有快速收敛、自动识别奇异样本的优点,而蚁群算法无须教师学习,并能够达到全局最优。
|
关 键 词: | RBFN 蚁群算法 聚类 |
本文献已被 维普 等数据库收录! |
|