收录：
摘要：
本发明涉及一种基于神经网络迭代的聚类方法，包括以下步骤：步骤1，初始化极端学习机参数； 步骤2，随机选择与簇数相等的样本，每个样本代表一个簇，形成初始样本集，训练极端学习机； 步骤3，利用当前极端学习机对样本进行聚类，生成聚类结果； 步骤4，根据规则从每个簇中选择多个样本作为该簇的实例； 步骤5，通过使用从步骤4获得的每个簇的示例来重新训练极端学习机； 步骤6，回到步骤3进行迭代，否则得到聚类结果并输出，直到聚类结果稳定或达到迭代次数的最大限度。 本发明解决了如何实现高维非线性数据空间的聚类，以及现有技术消耗较大的内存或需要较长的运行时间的问题。
关键词：
通讯作者信息：
电子邮件地址：
