基于模糊聚類的自組織神經(jīng)網(wǎng)絡的用戶模式挖掘算法研究.pdf

1、目前,興起的個性化信息推薦技術(shù)已經(jīng)成為當前Web使用挖掘的熱門領(lǐng)域之一。個性化信息推薦是根據(jù)Web用戶瀏覽站點的Web日志以及其他用戶的相關(guān)信息,推測其喜好和興趣,并為其提供個性化信息服務。本文主要研究個性化推薦過程中的用戶聚類算法,對Web日志進行分析從而獲取用戶的多種興趣。
　　 本文提出基于聚類中心集的合并聚類算法來確定樣本集的聚類數(shù)目。采用了自組織神經(jīng)網(wǎng)絡作為實施算法,預設一個較大的聚類數(shù)目進行網(wǎng)絡學習和訓練,得到聚類中

2、心集。利用該算法對聚類中心集進行合并操作,利用夾角余弦公式計算各聚類中心的相似度,構(gòu)建評價函數(shù)來判斷聚類中心是否可以滿足合并的要求,最后根據(jù)樣本隸屬聚類中心的隸屬度的分布是否均勻來合并聚類中心集,從而得到樣本集的新的聚類中心集和聚類數(shù)目。
　　 本文將模糊C均值聚類算法應用于自組織神經(jīng)網(wǎng)絡的拓撲結(jié)構(gòu),提出一個模糊聚類神經(jīng)網(wǎng)絡。利用自組織神經(jīng)網(wǎng)絡的拓撲結(jié)構(gòu)和強大的訓練學習能力,能夠有效解決模糊C均值聚類中大數(shù)據(jù)量運算緩慢和中心權(quán)值

3、初始化等一些問題;同時,模糊C均值聚類在處理復雜問題上,為其增加模糊的特性,對聚類效果有明顯的改進,并且可以挖掘用戶的多興趣。
　　 在模糊聚類神經(jīng)網(wǎng)絡的應用階段,競爭模糊層的神經(jīng)元權(quán)值設置為之前訓練階段的權(quán)值,并保持穩(wěn)定,不再進行更新調(diào)整。根據(jù)隸屬度函數(shù)更新每個輸入樣本到輸出神經(jīng)元的隸屬度。學習率根據(jù)隸屬度進行自適應的調(diào)整,避免對鄰域的選擇與調(diào)整。最后根據(jù)隸屬度的分布特征,設定輸出閾值,若輸入樣本到某一輸出神經(jīng)元的隸屬度大于該