1) nearest neighbor-clustering algorithm
最近邻聚类学习算法
2) nearest neighbor clustering algorithm
最近邻聚类算法
1.
Forecasting models are established by using radial basis function(RBF) neural network based on nearest neighbor clustering algorithm(NNCA) and autoregressive integrated moving average(ARIMA).
根据基于最近邻聚类算法(NNCA)的径向基(RBF)神经网络和自回归求和滑动平均(AR IMA)两种方法,建立了各自的单项预测子模型,并利用RBF神经网络对两个单项预测子模型结果进行组合预测,得到最终的预测值。
2.
By analyzing nearest neighbor clustering algorithm, a new nearest neighbor clustering algorithm is proposed.
在分析现有最近邻聚类算法所存在问题的基础上,提出了一种先利用均值规格化的思想来确定算法的初始半径,然后根据启发式规则修改聚类半径的新的最近邻聚类算法。
3.
The new algorithm brings in the Nearest Neighbor Clustering Algorithm to initialize the number and center of clustering.
该算法引入了最近邻聚类算法来初始化FCM算法的聚类数和聚类中心。
3) Nearest neighbor-clustering algorithm
最近邻聚类算法
1.
The RBF network based on improved nearest neighbor-clustering algorithm is introduced at first.
应用基于最近邻聚类算法的径向基函数(RBF)网络建立了军用无人机研制费用预测模型,并采用该模型对某型军用无人机研制费用进行了预测。
2.
The nearest neighbor-clustering algorithm has a short training time,less work to calculate and the number of hidden units is not to be determinated in advance in the various RBFNN learning algorithms,the network is optimization after clustering and can be trained on-line,it is an adaptive clustering algorithm for nonlinear real-time system.
在RBF神经网络的各种学习算法中,最近邻聚类算法学习时间短、计算量小,不需要事先确定隐单元的个数,完成聚类所得到的网络是最优的,并且可以在线学习,是一种自适应聚类学习算法,非常适合非线性实时系统的应用。
5) nearest neighbor-clustering method
最近邻聚类法
1.
Adopting a hybrid learnging algorithm,which combines the nearest neighbor-clustering method with the gradient descent method,to construct a RBF neural network,the controlled objects can be identified on-line and the parameters of PID master controller can be adjusted on-line.
采用一种最近邻聚类法和梯度下降法相结合的混合学习算法构造RBF神经网络,在线辨识被控对象并对PID主控制器参数进行在线调整。
6) nearest neighbor clustering
最近邻聚类
1.
Moreover,the nearest neighbor clustering algorithm is adopted,and a second clustering algorithm is presented to overcome the sensitivity of the nearest.
聚类采用最近邻聚类算法,并提出第二次聚类算法来改进最近邻算法对输入次序敏感的问题。
2.
A new method for fuzzy modeling based on a nearest neighbor clustering and vector fuzzy c-means algorithm(FCMV) is presented.
其前提参数辨识分两步,首先用最近邻聚类法初始划分输入空间,得到规则数及初始聚类中心,再用FCMV把具有相同收敛向量的聚类中心归到同一个区域来优化前一步得到的聚类中心,得到前提参数;采用递推最小二乘算法辨识模型的结论参数。
3.
The algorithm for s electing the radial basis function center is the nearest neighbor clustering al gorithm.
将 RBF神经网络应用在股市趋势预测中 ,RBF网络中心点的选取采用最近邻聚类学习算法 ,以上证指数和基金裕阳为对象进行建模与预测 ,结果表明 ,此种网络具有较好的学习和泛化能力 ,在股市趋势预测中取得了较好的效果。
补充资料：类属学习
类属学习
subordinate learning
类属学习(sub。rdinate learning)类属是指在命题学习或概念学习中，把新知识归属于原有认知结构的某一适当部位并使之相互联系的过程。通过这一过程而获得一定意义的学习，就叫做类属学习。它可以区分为两种:(l)派生类属学习。在这种学习中，新知识是认知结构中原有知识的派生物，或者是原有概念的特例，或者是原有命题的例证，是从原有的具有更高包摄性和概括性的概念或命题中派生出来的。例如，认知结构中已有“具有光泽、延展性、易导电、传热等性质的物质是金属”这一知识，当学习新知识“锰”时，只要知道“锰”是“金属”中的一种，便会获得“锰也具有光泽、延展性、易导电、传热等性质”这意义。可见，“锰”这一新知识是从原有知识“金属”派生出来的。(2)相关类属学习。在这种学习中，新知识类属于原有的具有较高概括性的概念或命题，由于二二者的相互作用，使原有的概念或命题得到扩展、深化、修饰或限定，使新知识获得意义。例如，过去己经知道“挂国旗是爱国行动”，现在学习一个新命题:“保护燃料是爱国行动”。新命题类属于原有的“爱国行动”中，结果新命题获得意义，原有的“爱国行动”被扩展或深化。在这一学习中，新命题一与具有较高概括性的类属者(’’爱国行动，’)结合，发生相互作用。但新命题的意义并未完全蕴含在“爱国行动”之中，也不能为其所代表。 (成立夫撰{巫国审)
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条