基于SOFM法山东省地市旅游综合实力评价研究

对SOFM方法的原理进行了介绍,选取评价指标体系,利用SOFM方法对山东省17地市旅游综合实力进行评价.结果表明,SOFM法是评价区域旅游综合实力的一种有效方法.对SOFM应用中相关参数的选择进行了详细阐述,从技术层次角度得出应用中的一些重要结论,如SOFM具有自动消除重叠信息的功能、SOFM不同于SOM等.     

深圳市城市扩展预测与分区评价

以深圳市为研究对象, 基于CLUE-S模型, 模拟深圳市2020年城市扩展格局, 然后依据扩展速度强度、形态结构、社会经济效益和生态效益4个方面的指标建立城市扩展综合效益评价体系, 利用自组织特征映射网络(SOFM)对深圳市城市扩展进行分区评价。主要结论如下: 1) 未来(2020 年)深圳市城市扩展状况可 划分为4个区域(高度城市化区、经济增长区、城市扩展潜力区和生态优先区), 各区需针对自身特点合理调整发展战略; 2) 按照目前的发展趋势, 到2020年, 深圳市城市扩展综合效益较高, 但也存在社会经济效益和生态效益不能兼顾与土地利用效率不够高等问题; 3) 基于CLUE-S模型和SOFM网络, 结合城市扩展综合效益评价体系, 可以实现对未来城市扩展状况的预测和分析。     

一种改进的SOFM聚类算法研究

针对常规SOFM(self-organizing feature map)无监督的神经网络,提出了一种改进的自组织特征映射SOFM神经网络算法。在常规SOFM网络数据聚类算法基础上,分析了其在实际应用中存在的不足,对初始权值设定以及邻域范围选择等方面进行了算法的优化和改进,进而提高了SOFM神经网络聚类算法的正确率、收敛速度和实时性,并利用仿真实验进一步对提出的改进算法进行了验证。     

基于自组织特征映射网络的电能质量综合评估

为支持未来市场的电能质量多级事务和电能质量综合管理,提出了一种基于自组织特征映射(SOFM)网络的电能质量综合评估新方法.文中介绍了SOFM网络的模型和原理,设计了SOFM法综合评估电能质量的模型,并以现有文献中的实例为样本,将该方法与目前几种常用的评估方法进行比较,结果表明文中所提方法适用于电能质量综合评估工作,并具有显著的实用性.     

SOFM与BP神经网络在矿井水源判别中的应用

介绍了SOFM神经网络与BP神经网络,以李咀孜煤矿为例,分别利用SOFM网络与BP网络,针对地下水化学特征分别建立突水判别模型,实例结果表明:SOFM网络模型比BP网络模型具有更高的判别精度,更快的运算速度,更好的反应地下水系统特性,为矿井水害防治提供了一种辅助决策手段。     

SOFM网络在油气预测中的应用

本文针对神经网络这一国际前沿课题,通过对一般的SOFM网络算法加以改进,结合油气检测问题,实现了SOFM网络油气预测的具体算法。     

基于自组织特征映射网络的综合评价模型

首先根据人脑思维的模糊性特点 ,以模糊集合论为基础 ,构造一种用于指导自组织特征映射网络学习过程的模糊熵准则 ,可以在较大范围内有效地解决自组织特征映射网络 (SOFM )的学习问题 .然后提出一种基于模糊自组织特征映射网络的综合评价模型 .该模型通过确定标准对象 ,数据的标准化处理 ,网络自适应学习和评价结果输出等环节 ,可以有效地解决一类综合评价问题 .最后通过一个实例进一步说明其灵活性与实用性 .参 6 .     

自组织特征映射网络在模式分类中的应用研究

为了研究自组织特征映射神经网络在对于二维向量进行模式分类时,网络结构的最优化问题,深入研究了SOFM神经网络的结构和算法,说明了SOFM网络的建立方法。以二维向量的模式分类为例,利用所建立的SOFM网络模型对输入的二维向量模式进行分类,研究了输出层节点形状和拓扑结构对分类结果的影响,测试了在不同的训练步数条件下,SOFM模型的权值向量的调整过程和分类效果。仿真结果表明:当网络的输出节点以二维平面形式输出时,长和宽不相等的矩形图的分类性能明显优于正方形图的分类性能,并且在输出节点形式相同的情况下,六边型拓扑结构分类精度明显优于栅格型拓扑结构的SOFM神经网络。     

基于SOFM神经网络的变压器故障诊断研究

SOFM神经网络具有强大的非线性映射能力和高度的自组织和自学习能力,将SOFM神经网络应用于变压器的故障诊断.利用改进的罗杰斯三比值法获取变压器故障诊断的特征向量,建立了SOFM网络故障诊断模型,并对模型进行训练.为了检验模型的实际诊断能力,以变压器的4种典型故障诊断为例进行仿真实验.仿真结果表明:SOFM神经网络能够根据获胜神经元在竞争层的位置对变压器故障进行判断,诊断准确率高,收敛速度快,泛化能力强,表明基于SOFM网络的变压器的故障诊断是一种行之有效的方法.     

基于SOFM神经网络的学生综合评价

对学生的综合评价可以采用一系列可量化的指标来描述:智育素质、思想道德素质、身心素质、科学人文素质等,传统的对学生的评价很难综合考虑学生各方面的索质,从而导致评价不合理.为了能够综合评价学生各方面的素质,在提出改进的自组织特征映射(SOFM)神经网络的基础上,利用SOFM网络能够对高维数据有效分类的特点,将量化后的学生各方面的素质指标作为输入数据,在对样本数据进行训练后,根据输出神经元在输出层的位置对学生进行分类,最终把学生合理地分为优秀、良好、中等、稍差、差5个等级.     

基于神经网络的模拟电路故障诊断

探讨了基于故障字典法和基于神经网络的故障诊断方法,利用自组织特征映射神经网络进行模拟电路故障诊断,根据神经网络的输出结果可以判断发生故障的类型.自组织特征映射神经网络聚类能力强、速度快,因此很适合复杂系统的故障诊断.     

基于改进SOFM的矢量量化图像压缩

在介绍矢量量化和自组织特征映射神经网络的基础上,针对基于自组织特征映射神经网络的矢量量化算法,在初始码书生成、获胜神经元搜索策略以及调整获胜码字及其拓扑领域权值等方面进行改进.实验结果表明改进算法具有合理性和有效性.     

基于模式识别方法的湖泊水质污染特征聚类研究

构建耦合自组织映射神经网络(SOFM)和随机森林(RF)的方法, 对中国63个湖泊11年的9种水质指标(5110条数据)进行模式识别。首先采用SOFM对湖泊进行聚类, 以识别污染状况, 然后采用RF分析水质指标对湖泊类别的决定效果, 以确定代表性指标。SOFM的结果显示, 湖泊可以按污染程度分为3类。RF的结果发现, 在分类准确率为80%时, 根据高锰酸盐指数和叶绿素a浓度即可判定湖泊污染程度。该方法可从庞杂的数据中识别出反映水体污染特征的水质指标, 为快速认知水体污染状况及选取监测指标提供参考。     

水闸老化评估神经网络专家系统知识获取方法

专家系统的工作过程是一个获得并应用知识的过程,恰当的知识表示对于专家系统的构建具有重要意义.以上海地区多座中小型水闸老化检测实例为基础,开发出水闸老化评估神经网络专家系统ESANN-SLUICE.此系统从实例中生成数据,再对神经网络进行训练和管理,从而建立权值矩阵,然后转换成相当规则的知识库,提供给专家系统使用.该方法是水闸老化评估知识获取的一种新方法,是对传统知识获取方式的拓展和补充.最后通过实例证明该方法是可行和有效的.     

神经网络TSP问题仿真分析

描述了Hopfield神经网络和自组织特征映射神经网络解决TSP问题时的求解过程和仿真算法.通过对两种算法的仿真比较,得出以下结论:对于较大规模的TSP问题,SOFM模型的寻优结果要优于HNN模型寻优结果;HNN对网络模型参数和初始条件具有很强的依赖性且调整参数组合非常困难,而SOFM的参数设置和调整相对要简单得多;SOFM算法对待解决问题的拓扑分布不敏感,而HNN算法的收敛性对待求解问题的自身分布有很强的依赖性;当待求解问题的数目增大时,SOFM算法的运算时间增加缓慢,而HNN算法的运算时间增加较快.因此,在解决TSP问题时,自组织特征映射神经网络比Hopfield神经网络的效率高,随着问题规模的增大,其优势更为明显.     

黄河水质综合评价的人工神经网络模型

为探讨水质综合评价的客观方法 ,以黄河兰州段新城桥段面水质资料为例 ,建立了地表水水质综合评价的BP网络模型 BP网络模型以单输出代替多输出可保证评价结果的惟一性 .将该模型用于实例分析表明 ,BP网络用于水质综合评价具有客观性和实用性 .     

基于SOFM神经网络的客运一体化枢纽分类

分析了在大城市进行交通一体化枢纽建设的必要性,建立了反映客运交通枢纽一体化特性的指标体系,提出采用自组织特征映射(Self-Organizing Feature Map,SOFM)神经网络进行城市交通客运一体化枢纽分类的新方法.最后采用广州交通客运一体化枢纽为例,通过定量定性结合的方法,对客运一体化枢纽进行了分类.