论文部分内容阅读
提出了一种连续更新的过聚类和合并相结合的竞争学习的聚类算法(ONOPTOC)。该算法依据OPTOC的原则,构建原型点的动态邻接区域和动态背离区域,通过自分裂和聚合的策略,识别数据集中的天然聚类并给出聚类的数目.采用该算法对批过程中的历史数据进行分析,原型点的特征与对应的产品表达水平等级相符,有效地检测了该批次产品的表达水平,为当前的决策提供依据。