论文部分内容阅读
对于传统的K平均算法来说,如何选择适当类的数目是一个难以解决的问题。有人提出了次胜者受罚的竞争学习算法试图来解决这一问题,但是,当数据类有重叠以及输入矢量含有非独立项时,RPCL算法的性能不能令人满意。本文提出了一种结合主协方差矩阵的RPCL算法,并逐步删除那些只包含少量训练数据的类。这种算法,我们称之为改进的RPCL算法。我们用改进的RPCL算法来确定高斯混合分布类的数目,并将其与原来的RPCL