一种基于虚拟获胜神经元SOM模型聚类方法

本发明公开了一种基于虚拟获胜神经元SOM模型(virtual‑winner SOM,vwSOM)聚类方法，属于人工智能中的机器学习领域。首先采用主成分分析法(principal component analysis,PCA)初始权重矩阵，使得初始权重能够更好地捕捉数据的主要特征，从而提高聚类效果；当新的输入样本数据映射到输出层后，在权重矩阵中选取相似度较高的多个神经元节点，计算得到虚拟获胜神经元，并以此更新权重矩阵，在尽量小的误差范围内全面表征输入数据的特征,达到提升聚类结果准确度及稳定性的优化目标。本发明可以显著提高聚类准确度，多个获胜神经元算法对输入数据的特征提取全面性好，具有更好的稳定性，且算法复杂度可以满足实时数据处理的需求。