一种改进的基于置信度SOM模型聚类方法

本发明公开了一种改进的基于置信度SOM模型聚类方法。样本数据先由k‑means算法初步分类，为模型训练提供更多的数据信息；将预分类后的数据分别训练相互独立的SOM模型，以消除不同类之间的影响；在传统SOM模型基础上提出置信度矩阵概念，通过综合判断获胜神经元的置信度及其与输入数据间的欧氏距离最终得到置信神经元，根据置信神经元所属类别给数据分配聚类标签。利用icSOM对莺尾花数据集(IRIS)聚类分析，实验结果表明，本发明可以更好地处理样本数据，取得较好的聚类效果。