一种基于自组织特征映射网络的聚类方法

针对传统聚类算法不能有效地处理大数据集和高维数据集的问题,提出了一种基于自组织特征映射网络的聚类方法。该方法能将任意维输入模式在输出层映射成一维或二维离散图形,并保持其拓扑结构不变,而且无需监督,能自动对输入模式进行聚类。给出了应用该方法的具体步骤和加速自组织过程的若干改进方法,通过仿真实验证明该算法的有效性。     

基于可生长结构的自组织神经网络研究

在可生长结构网络（Growing When Required Network,简称GWRN）的基础上,提出了有监督可生长结构网络（Supervised Growing When Required Network,简称SGWRN）模型。该模型引入线性输出层,将GWRN与径向基函数结合,构成有监督自组织神经网络学习模型。该模型能快速生长,可广泛用于监督学习。倒立摆平衡控制仿真实验结果表明该模型有效。     

基于自组织特征映射网络的聋人无损听觉补偿方法的研究

利用其他感知通路提供的信息可以对聋人进行无损的听觉补偿.提出了一种基于自组织特征映射网络的聋人无损听觉补偿方法.聋人利用自组织特征映射网络输出层的可视化信息监听自己的声音.结果表明,自组织特征为提高聋人的语言功能提供一种新的途径.     

图像矢量量化的等误差自组织特征映射算法

提出了一种使各区域子误差相等的矢量量化算法,算法利用小波变换后各子带间的相关性,合理构造矢量。采用最优矢量量化器设计原则,使用改进的自组织特征映射算法生成码书。学习过程中,通过调整各子区域的误差,使之趋于相等,改善总的期望误差,获得更接近全局最优的码书。实验表明,这种算法获得的码本优于其它几种算法。     

应用自组织映射对中国地区产业结构的聚类分析

为了研究地区产业结构的空间分布规律,采用自组织映射的聚类方法,对2003年中国省级地区的产业结构进行了聚类分析.结果表明,自组织映射的方法能够将地区产业结构在输出层聚成5个区域.通过对聚类结果进一步的分析得到,在目前的经济水平下,工业化水平是中国地区产业结构差异性的主要因素.     

应用自组织映射神经网络进行模拟电路故障诊断和仿真研究

讨论了一种应用自组织特征映射神经网络,建立并快速查找模拟电路故障字典的方法,该方法对单、多软硬故障的识别快且有效。同时,利用神经网络的泛化性,有效地克服了容差因素对故障定位的影响。     

基于改进的进化型自组织映射的攻击实例挖掘

针对从入侵检测系统产生的复杂报警数据中难以获取有意义的攻击实例的问题,提出了一种基于改进的进化型自组织映射（IESOM）的攻击实例挖掘方法。IESOM算法给出了基于获胜神经元和其它神经元的距离的连接强度初始值,解决了进化型自组织映射（ESOM）算法中的连接强度初始值的选择问题。基于IESOM的攻击实例挖掘方法先对报警数据进行IESOM聚类,再使用合并规则得到初步的攻击实例,最后使用筛选规则获取有意义的攻击实例。对XJTU-sensor的报警数据的攻击案例获取结果表明了提出的基于IESOM的攻击实例挖掘方法能够从大量的报警数据中高效地获取典型的攻击实例。     

自组织映射神经网络(SOM)在客户分类中的一种应用

对自组织神经网络在客户分类中的应用进行了探讨 ,讨论了客户分类的概念、指标选取、分类方法选取、SOM(Self Organization Map)聚类方法 ,给出了一种基于 SOM的客户分类方法 ,即 :给出 RFM(近度 ,Recency;频度 ,Frequency;值度 ,Monentary)的指标 ,根据综合指标的计算和各个指标的相对学习结果变化趋势 ,将客户分类 .并进行了模拟计算 ,将模拟结果分类 ,以验证算法 .     

基于均匀自组织映射遗传算法的梯级水库优化调度

针对遗传算法中初始解分布不均以及易早熟等问题,采用均匀设计方法来生成均匀分布的初始解以及自组织映射算法通过高低维空间映射来改变个体基因从而增强局部搜索能力,提出了均匀自组织映射遗传算法,弥补了传统遗传算法中初始解的生成过于随机以及进化过程中易陷入局部解的不足,并将此改进算法在梯级水库的长期优化调度中进行了应用.通过实例计算表明,与遗传算法以及标准粒子群算法相比,此方法拥有更好的全局寻优能力,与动态规划算法结果相近,并且有着较快的计算速度,从而验证了此方法用于处理梯级水库的长期优化调度问题的可行性与合理性.     

基于位移映射的道路生成与绘制方法

以矢量形式表达的道路信息在地理信息系统中占有重要地位。通过位移映射方法解决了三维地形上道路的生成与绘制问题。首先,在考虑道路几何约束的情况下,根据道路平面图以及相应的DEM数据生成参考曲面;然后,通过对参考曲面的一次离屏渲染,利用深度图方法生成DEM位移图和纹理掩模图;在地形绘制中同时使用位移映射和纹理映射,实现道路几何信息以及细节信息的实时嵌入。实验表明,这种方法在小尺度显示中以较低的代价增强了道路仿真绘制的真实感。     

商业银行监管的SOM神经网络的分类方法

商业银行非现场监管在整个商业银行监管体系中占有中枢神经的地位 .该文将商业银行非现场监管作为模式识别分类问题进行研究 ,提出了在商业银行监管中应用基于自组织特征映射神经网络的分类模型 .然后 ,以实际数据为基础进行了商业银行分类识别 ,并进行了相应的分析 ,从而验证了模型的有效性 .     

基于免疫算法的自组织神经网络在效能评估中的应用

针对自组织神经网络自身的局限,将免疫克隆选择算法的克隆和变异机制引入SOM的学习算法中,提出一种免疫自组织神经网络模型,并建立了模型的学习算法。该学习算法用免疫克隆选择算法的克隆算子和变异算子改进自组织神经网络中的邻域大小和权值调整规则,使每个神经元的权值学习率和邻域大小随神经元的亲和力发生变化,从而克服了自组织神经网络分类效果受样本输入次序影响的弱点,且在很大概率上保证网络收敛到全局最优解。性能仿真结果说明该学习算法比自组织神经网络学习算法具有更好的分类准确性和泛化性能。将该模型应用雷达电子战装备的作战效能评估中,结果表明免疫自组织神经网络模型比自组织神经网络模型分类更合理。     

基于弹性网的多维信息可视化研究

处理数量巨大且富含多维信息的数据正成为人们关注的热点,可视化技术为我们分析和处理海量信息提供了新的手段。提出基于弹性网络图的多维信息可视化方法,详细阐述了弹性网络图的实现原理及其在多维信息可视化中的应用。弹性网络图把原始的多维信息在预先定义好的图上训练,使得图的能量最小,结果使原始的多维数据点聚集在能量最小的网络图节点周围。弹性网的构造是在与原始信息维度相同的空间中进行的,多维信息在网络图的内部坐标上投影,从而保证多维信息非线性降维后与原始信息之间的一致性。最后用弹性网络图方法对2003年中国非典的多维信息进行了可视化分析,验证了该方法的实用性。     

基于启发式的多机器人SLAM地图融合方法研究

同步定位和地图构建（simultaneous localization and mapping,SLAM）是移动机器人在未知环境中完成地图构建和定位任务的关键技术。针对多机器人SLAM中的地图融合问题,提出一种启发式的搜索方法引导局部地图的重复区域进行地图融合。每个机器人可以在不了解其相对位置的情况下建立局部地图,并将局部地图信息发送至同一工作站中,以局部地图的相似性为判断指标融合得到最优的全局地图。在机器人实物平台上进行验证,结果证明了多机器人SLAM的地图融合算法的有效性和准确性。     

基于多模板中值滤波器的地形图创建方法

非结构化道路环境感知的重点在于建立能反映真实路面情况的地形图。在利用激光扫描仪建立地形高度图的过程中,采用多模板中值滤波去除地形高度图中的噪声。在滤波过程中,根据激光运动的持续性和地形空间的持续性所带来的限制条件,引入高度确认度的概念。然后根据噪声形成原理的不同,利用各像素确认度的不同区分不同噪声,进而采用不同模板的中值滤波器。三维仿真试验证明该滤波器能有效地去除高度图中各种不同类型的噪声。