基于ART2改进算法的故障聚类研究

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (15): 56-57.

基于ART2改进算法的故障聚类研究

段霞霞,刘彦明,李小平,杨一展

西安电子科技大学通信工程学院，西安 710071

收稿日期:2007-08-29 修回日期:2007-10-29 出版日期:2008-05-21 发布日期:2008-05-21
通讯作者: 段霞霞

Study of fault cluster based on ART2 progressed algorithm

DUAN Xia-xia,LIU Yan-ming,LI Xiao-ping,YANG Yi-zhan

School of Communication Engineering，Xidian University，Xi’an 710071，China

Received:2007-08-29 Revised:2007-10-29 Online:2008-05-21 Published:2008-05-21
Contact: DUAN Xia-xia

摘要/Abstract

摘要： ART2（自适应谐振理论2）算法是神经网络中一种可以对模拟输入信号或二值信号进行无监督聚类的算法，所以ART2算法能够降低数据挖掘中原始数据的预处理的复杂度，提高挖掘效率。针对ART2算法中出现的聚类中心偏移的缺点，采用ART2算法与K-均值算法相结合的方法来抑制ART2中聚类中心偏移的现象。通过仿真对该方法进行了验证。

关键词: 神经网络, 聚类, ART2, K-均值算法

Abstract: The Adaptive Resonance Theory 2（ART2），processing the analog signals of input patterns，is one of unsupervised clustering algorithms in neural networks.ART2 can reduce the pretreatment complexity of original data in data mining and improve the efficiency of mining.A progressed algorithm of ART2 which is composed of ART2 algorithm and K-Means algorithm can restrain cluster centers drift which is one of disadvantages of ART2 is developed.This method has been proved by simulation.

Key words: neural networks, cluster, Adaptive Resonance Theory2（ART2）, K-means

段霞霞,刘彦明,李小平,杨一展. 基于ART2改进算法的故障聚类研究[J]. 计算机工程与应用, 2008, 44(15): 56-57.

DUAN Xia-xia,LIU Yan-ming,LI Xiao-ping,YANG Yi-zhan. Study of fault cluster based on ART2 progressed algorithm[J]. Computer Engineering and Applications, 2008, 44(15): 56-57.

[1]	牟清萍，张莹，张东波，王新杰，杨知桥. 目标丢失判别机制的视觉跟踪算法及应用研究[J]. 计算机工程与应用, 2021, 57(9): 140-147.
[2]	包志强，邢瑜，吕少卿，黄琼丹. 改进YOLO V2的6D目标姿态估计算法[J]. 计算机工程与应用, 2021, 57(9): 148-153.
[3]	王林，柴江云. 深度神经网络在多场景车辆属性识别中的研究[J]. 计算机工程与应用, 2021, 57(9): 162-167.
[4]	赵志焱，杨华，胡志伟，宇海萍. 基于TACNN的玉露香梨叶虫害识别[J]. 计算机工程与应用, 2021, 57(9): 176-181.
[5]	周伦钢，孙怡峰，王坤，吴疆，黄维贵，李炳龙. 目标多种多值属性的端端快速识别网络[J]. 计算机工程与应用, 2021, 57(9): 182-190.
[6]	张成，戴俊峰，熊闻心. 融合LeNet-5改进的扫描文档手写日期识别[J]. 计算机工程与应用, 2021, 57(9): 207-211.
[7]	麻哲旭，杨峰，乔旭. 铁路路基病害智能检测方法[J]. 计算机工程与应用, 2021, 57(9): 272-278.
[8]	许昊，张凯，田英杰，种法广，王子超. 深度神经网络图像描述综述[J]. 计算机工程与应用, 2021, 57(9): 9-22.
[9]	冉蓉，徐兴华，邱少华，崔小鹏，欧阳斌. 基于深度卷积神经网络的裂纹检测方法综述[J]. 计算机工程与应用, 2021, 57(9): 23-35.
[10]	兰红，黄敏. 融合KNN优化的密度峰值和FCM聚类算法[J]. 计算机工程与应用, 2021, 57(9): 81-88.
[11]	郭晓静，隋昊达. 改进YOLOv3在机场跑道异物目标检测中的应用[J]. 计算机工程与应用, 2021, 57(8): 249-255.
[12]	蒋斌，钟瑞，张秋闻，张焕龙. 采用深度学习方法的非正面表情识别综述[J]. 计算机工程与应用, 2021, 57(8): 48-61.
[13]	李震霄，孙伟，刘明明，郑丽丽，陈劭颖. 交通监控场景中的车辆检测与跟踪算法研究[J]. 计算机工程与应用, 2021, 57(8): 103-111.
[14]	张越，黄友锐，刘鹏坤. 引入注意力机制的多分辨率人体姿态估计研究[J]. 计算机工程与应用, 2021, 57(8): 126-132.
[15]	李现国，冯欣欣，李建雄. 多尺度残差网络的单幅图像超分辨率重建[J]. 计算机工程与应用, 2021, 57(7): 215-221.