最小最大模块化网络中基于聚类的数据划分方法研究* (2012年)

利用最小最大模块化网络实现模式分类的关键问题之一就是找到一种有效且复杂度较低的训练样本划分方法，以便缩短训练的时间，得到相对平衡的划分子集．本文提出一种新的基于二分K―均值的训练集划分方法，它可以得到全局最优解，时间复杂度较低，并且可以通过层次聚类得到相对平衡的样本划分效果．在现实数据集上的实验表明，该划分方法在不降低分类精确率的情况下能有效地缩短最小最大模块化网络的训练时间．