论文部分内容阅读
基本ART模型缺乏对样本集拓扑结构及分布特性的学习,导致其抗噪性能较差,容易产生类别增殖现象,进而导致分类性能不稳定。本文将基本ART模型与SOM、GNG的侧向连接和动态拓扑结构相结合,提出了一种具有拓扑保持结构的ART模型(topology preserving ART model,TPART)。利用构建的模型对聚类状分布的高斯分布数据集进行测试,在受到大量孤立噪声点干扰和输入样本顺序的影响下,其性能相对于Fuzzy ART有较大提高。进一步将其应用于灰度图像分割,也取得了较FuzzyART更好的