基于SOM网络的基因表达数据聚类分析

提出了用自组织映射(SOM)网络对生物信息学中基因表达数据进行聚类分析的方法。用SOM网络对酵母基因表达数据进行聚类。通过对映射结果的分析,表明SOM网络有较高的分类正确率,用于基因表达数据的聚类分析是行之有效的。     

粗糙集连续属性离散化的SOM网络方法

基于Rough Set理论中的不可分辨性原理,给出两个新的定义属性的最大区分值(Maximum Dis-cernibility Value,MDV)和属性冗余度(Attribute Redundancy Rate,ARR)。在数据预处理阶段,属性的MDV数值用于确定关于自组织映射网络SOM输出单元数量的启发式搜索策略;属性冗余度则用于衡量属性约简结果的信息冗余程度,并以此作为优化SOM网络输出层结构的依据。不依赖于领域经验知识,建立了MDV、SOM、ARR的组合算法模型,实现了Rough Set理论中连续属性的自动离散化计算,并明显提高了属性约简的速度。最后,通过项目实例对全过程进行有效验证。     

基于SOM聚类分析法的项目教学法的改进

针对于项目教学法不能够很好的兼顾理论知识薄弱的学生,以及不能够做到教学目的上的细化和层次化,通过分类教学法,引进SOM聚类分析方法,对学生进行有效地分类,做到因材施教,从而弥补项目教学法的不足。     

基于SOM网络的山东省城市职能分类研究

基于人工神经网络(ANN)中自组织特征映射网络(SOM)的聚类功能,提取人口和劳动力以及表征城市规模和城市运行效率方面的相关指标,对山东省17个地级城市进行职能分类研究,并对今后山东省城市体系的发展提出相关的建议和对策.     

对犯罪网络的模糊层次聚类分析

将模糊处理技术与层次聚类算法相结合运用于犯罪网络分析,提出一种新的基于模糊层次聚类算法的犯罪网络分析方法.基于"9.11"事件数据集的实验结果表明,该方法在划分网络的同时,能够找到类属具有模糊性的成员,从而为打击犯罪提供有益的帮助.     

基于SOM 网络的教学质量分类评价

建立了自组织特征映射(SOM)神经网络的教学质量分类评价模型,以湖北某高校某系24个教师的教学质量情况为研究对象,进行了分类和评价.通过分析得出了一些有价值的结论,同时验证了模型的有效性.     

连续SOM聚类的一致性分类算法

数据集的质量会极大地影响分类算法的精度,针对一类隐式互斥的数值型数据提出了一致性分类方法．借鉴连续函数的思想,提出了数值型连续数据的分类一致性定义;改进了SOM算法的计算过程,使其满足文中提出的分类一致性最优条件．通过改进的SOM方法得到一个新的聚类数据集,减少了原始数据集中容易出现的隐式分类不一致性问题,从而有效地提高了分类方法的效率和分类精度．通过在一个实际的数据集上的比较,表明提出的算法的预测精度明显优于其他算法．进而还从VC维的角度分析了提出算法的优点．     

基于粒子群优化和SOM网络的聚类算法研究

利用改进的粒子群优化算法(PSO)的优化性能,结合SOM网络模型,提出了一种基于粒子群优化算法和SOM网络的聚类算法(PSO/SOM),使用PSO对SOM网络进行训练来代替SOM的启发式训练方法.将PSO/SOM算法用于对Wine和Iris等数据集进行模式聚类识别,可以得到较优的聚类识别效果.相比标准SOM算法能有效提高网络映射的准确程度,降低网络的量化误差和拓扑误差,同时也降低了错聚率,实验结果验证了本算法的有效性.     

网络组织拓扑聚类分析

在前人研究成果的基础上,从信任与互惠、资源与信息交流、竞争与战略协作三个维度,提出了一套对网络组织关系进行评价的指标体系,并用模糊一致矩阵的方法来确定指标权重;接着,根据社会系统工程与拓扑代数的原理,提出了一个对网络关系进行评价与聚类的数学模型;最后,选取某地企业进行实证分析。结果表明,它对防范网络风险,提高网络组织绩效很有帮助。     

基于SOM网络的中原城市群可持续发展水平研究

为准确客观地评价中原城市群可持续发展水平,根据中原城市群自身结构特点建立了可持续发展水平综合指标体系,使用SOM神经网络对2000年和2005年数据进行分析.结果表明,中原城市群整体可持续发展水平较低,各城市可持续发展水平参差不齐.郑州、洛阳等规模较大城市的可持续发展水平较高,而济源等中小城市处于较低位置.中原城市群可持续发展水平的等级结构从2000年到2005年变化不大,开封、漯河和济源3个城市的可持续发展水平始终处于较低位置.中小城市应根据自身薄弱点进行调整,同时实现亚城市群和不同地域系统之间的资源合理配置,充分发挥"郑州—洛阳"双核牵引作用,进而带动河南省可持续发展水平的全面提升.     

基于SOM神经网络的凝汽器故障诊断研究

应用自组织特征映射(S0M)神经网络实现凝汽器的故障诊断。介绍了SOM网络的结构和学习算法,总结了凝汽器的故障集、征兆集和故障特征数据模糊处理的方法。用MATLAB神经网络工具箱实现了凝汽器故障诊断,并给出故障诊断实例,表明该方法是一种可行有效的凝汽器故障诊断方法。     

自组织特征映射神经网络的区域经济发展聚类分析

自组织特征映射(SOM)神经网络是无教师自组织、自学习网络,具有优良的数据聚类功能.基于选取的区域经济发展评价指标,对2006年我国31个省(地区)的综合经济实力进行聚类分析.结合主成分得分对聚类结果综合评价,实证效果较好.     

基于改进的SOM和ART的动态手势识别

提出一种动态手势识别算法,将动态手势识别问题转换为轨迹识别间题.首先以SOM算法作为分类器提取手势特征,将多维手势信息投影到二维平面中,根据每帧的顺序产生一平面轨迹,将产生的平面轨迹输人到改进的ART网络进行识别.实验结果表明,该算法用于动态手势识别是可行的且性能稳定.     

The Recognition of Silk Fabric Defects Based on Biorthogonal Wavelet Analysis and SOM Neural Network

A feasible approach fog the recognition of silk fabric defects based on wavelet transform and SOM neural network is proposed in this paper, the indispensable processes of which are defect images denoising and enhancement, image edge detection, feature extraction and defects identification. Both geometrical and textural feature panuneters are extracted from the edge image and the enhanced defect image, and utifize SOM neural network to recognize the common defects which silk fabrics have, including warp- lacking, weft-lacking, double weft, loom bars, oll-stalin. Experimental results show the advantages with high identification correctness and high inspection speed.     

基于人工神经网络的聚类算法

研究连续型Hopfield神经网络的电路机理,推导出网络的权值计算公式,并运用连续型的神经网络模型构造出聚类算法;对20个随机生成数据计算模拟神经网络的运行,逐步调整类内精度多次训练,当参数a=b=500,c=200且类内精度控制不超过0.6时,有一个优化的聚类方案输出.     

基于聚类的神经网络规则抽取算法

为了从人工神经网络中抽取规则,提出一种新的规则抽取算法。网络被训练并剪枝后,将隐节点的激活值离散化,对输入到隐节点的权重进行聚类,聚类过程中可根据隐节点的激活值动态调整权值聚类数目,进而高效准确地抽取规则。实验结果表明,该算法可明显降低规则抽取的时间复杂度,减少生成规则的数量。     

基于模糊协方差的自适应聚类神经网络

将模糊协方差距离测度引入到竞争学习型神经网络的参数控制中,采用批处理的网络学习方式消除数据样本顺序对网络权重调整的影响,通过淘汰及合并数据集的冗余类实现对未知类别数、多种分布型数据的自适应聚类．实验表明,新网络对数据集的分布形式有较强的鲁棒性,并能正确确定数据集的类别数．     

基于蚁群聚类算法的模糊神经网络

提出了一种基于蚁群聚类的模糊神经网络算法,神经网络采用RBF网络结点结构,聚类采用二级结构蚁群聚类算法作为一级聚类而模糊C-均值聚类(FCM)用于二级聚类。将上述聚类方法用于模糊神经网络构建中,仿真结果表明具有并行实时性、聚类能力强的特点。