Clustering properties of hierarchical self-organizing maps

Jouko Lampinen*, Erkki Oja

*Tämän työn vastaava kirjoittaja

Tutkimustuotos: LehtiartikkeliArticleScientificvertaisarvioitu

194 Sitaatiot (Scopus)

Abstrakti

A multilayer hierarchical self-organizing map (HSOM) is discussed as an unsupervised clustering method. The HSOM is shown to form arbitrarily complex clusters, in analogy with multilayer feedforward networks. In addition, the HSOM provides a natural measure for the distance of a point from a cluster that weighs all the points belonging to the cluster appropriately. In experiments with both artificial and real data it is demonstrated that the multilayer SOM forms clusters that match better to the desired classes than do direct SOM's, classical k-means, or Isodata algorithms.

AlkuperäiskieliEnglanti
Sivut261-272
Sivumäärä12
JulkaisuJournal of Mathematical Imaging and Vision
Vuosikerta2
Numero2-3
DOI - pysyväislinkit
TilaJulkaistu - marraskuuta 1992
OKM-julkaisutyyppiA1 Julkaistu artikkeli, soviteltu

Sormenjälki

Sukella tutkimusaiheisiin 'Clustering properties of hierarchical self-organizing maps'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

Siteeraa tätä