【摘要】 本文提出了一种新的监督聚类学习方法。系统根据样本特征矢量空间的整体分布和局部分布情况对样本进行监督聚类 ,克服了传统神经网络只是利用样本局部分布信息调节权值造成的局部最小 ,计算量大等问题 ,并实现了包括对未知模式的识别。仿真结果表明该方法是可行和有效的更多还原

【Abstract】 This paper presents a new supervised clustering method The algorithm is based on the information related t o both the global and local distributions of training samples,avoiding the expensive computation and local minimum of traditional neural networks Unknow n patterns can also be recognized The simulation results demonstrate the soun dness of this approach更多还原