文献类型：期刊文章

作　　者：李昕[1] 郑宇[2] 江芳泽[1]

机构地区：[1]上海大学自动化学院,上海200072 [2]上海海运学院计算机系,上海200135

出　　处：《上海大学学报（自然科学版）》

年　　份：1999

卷　　号：5

期　　号：5

起止页码：409-413

语　　种：中文

收录情况：AJ、CAS、CSA、CSA-PROQEUST、CSCD、CSCD_E2011_2012、JST、MR、RCCSE、ZGKJHX、ZMATH、普通刊

摘　　要：对于传统的Ｋ 平均算法来说，如何选择适当类的数目是一个难以解决的问题．有人提出了次胜者受罚的竞争学习（ｒｉｖａｌｐｅｎａｌｉｚｅｄ ｃｏｍ ｐｅｔｉｔｉｖｅ ｌｅａｒｎｉｎｇ ： ＲＰＣＬ）算法试图来解决这一问题．但是，当数据类有重叠以及输入矢量含有非独立项时，ＲＰＣＬ算法的性能不能令人满意．本文提出了一种结合全协方差矩阵的ＲＰＣＬ算法，并逐步删除那些只包含少量训练数据的类．这种算法，我们称之为改进的ＲＰＣＬ算法．我们用改进的ＲＰＣＬ算法来确定高斯混合分布类的数目，并将其与原来的ＲＰＣＬ进行比较．实验证明。

关 键 词：聚类 RPCL算法  竞争学习  语音识别 图像识别

分 类 号：TN912.34] TP391.41]