一种基于自组织分级聚类的数据挖掘方法

针对传统自组织聚类方法处理数据在多维空间中存在多样性和从基本或低层次概念上发现强关联规则中的不足，提出了一种基于自组织分级聚类的数据挖掘方法．该方法采用最大似然分类自组织特征网络（MAXNET）聚类过程，利用自下而上聚合层次聚类方法，对有畸变的二值化输入模式作最大似然分类．最后对一个销售电脑商场中，与任务相关的交易数据集进行了分析，描述了从低层次概念到高层次概念的相互关系．并用matlab仿真软件把该方法和传统方法进行比较，表明了该方法的有效性．     

联邦对象模型与仿真对象模型开发过程建模

在基于高层体系结构(HLA)的分布仿真系统开发过程中,需要对仿真系统中的交互数据进行建模和抽象,以便生成FOM和SOM,保证联邦执行的正确运行。提出了综合开发联邦对象模型(FOM)和仿真对象模型(SOM)的七个步骤,并对各个步骤所完成的任务进行了详细的定义。这些步骤包括:对仿真任务中的实体和事件类型进行抽象和建模;分解仿真任务,确定联邦成员及其仿真的实体和事件类型;确定FOM中的对象类和交互类;生成SOM草案;综合SOM草案,生成FOM;确定FOM中的路由空间,生成正式的FOM;生成正式的SOM。     

一种用于模拟汉字认知过程的多层自组织神经网络

为了模拟汉语初学者的汉字认知过程,在Kohonen神经网络的基础上,改进了其网络结构和算法,并且将改进后的网络输出层根据Hebbian学习规则连接,构建了一个多Kohonen网络协同工作的汉字认知自组织神经网络模型.模拟研究结果表明,模型能够成功地学习到汉字的结构类型,且能有效识别出汉字的部件,在一定程度上模拟了汉字认知的部分过程,说明该模型用于汉字认知乃至汉语言习得的可行性.     

SOM神经网络在储层流体识别中的应用

自组织特征映射（ＳＯＭ）神经网络能通过自组织有效地提取出各特征参数间的内在特征并映射到分类模板上，它可以用于各种模式识别问题。本文首次将ＳＯＭ网络引入到储层流体识别中，经研究表明其精度高于传统方法，说明该方法在解决复杂分类问题上的有效性和先进性，它在储层流体识别中的应用是成功的，值得推广。     

连续输入的SOM算法的权值收敛性

研究了自组织映射（SOM）算法的权值收敛性问题，提出了一个连续状态下的目标函数，由这个目标函数出发利用Robbins-Monro算法证明了连续状态下的自组织映射的权值将收敛到一个稳定值，其结果适应于任意有限维的情形。     

人胎颈交感节肽能神经元的免疫细胞化学的研究

取１６例２４～３２周龄的死亡人胎作材料，用免疫细胞化学方法，于光镜下观察到颈上神经节（简称颈上节）和星状神经节（简称星状节）中存在含血管活性肠肽（ＶＩＰ）神经元和纤维，含生长抑素（ＳＯＭ）神经元和纤雏以及含Ｐ物质（ＳＰ）纤维，但未发现含ＳＰ神经元。二节中的含ＶＩＰ神经元和含ＳＯＭ神经元形状多种，免疫反应染色深浅不等，颈上节以大、中型细胞为主，而星状节以中、小型细胞居多。上述神经元类型和分布未有明显的胎龄变化。结果揭示颈交感神经节中，含ＶＩＰ和含ＳＯＭ神经元在出生前已经发育。ＶＩＰ、ＳＯＭ和ＳＰ３种神经肽在胎儿期已作为神经传导物或神经调节物而发挥功能。     

基于人工神经网络的陕西省城市职能分类探析

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,采用统计年鉴中城市非农行业就业人口的资料,运用MATLAB2010软件的神经网络工具箱,对陕西省10个地级市城市综合职能进行分类,最终将10个地级市分为5类,并对分类结果进行分析和讨论.结果表明,人工神经网络方法实际可行.     

基于自组织映射的梅雨期西太副高分型及降水特征研究

为了研究梅雨期西太副高的变化特征及其对梅雨降水的影响,本文利用1951-2016年西太副高监测指数,采用自组织映射（self-organizing map,SOM）方法对梅雨期西太副高进行聚类分析,得到9种SOM分型,并利用中国1km分辨率逐月降水量数据集和中国雨季历年信息表进行不同西太副高分型下梅雨降水的特征分析。结果表明,9种梅雨期西太副高分型对应着多种不同的梅雨降水特征：纬向上,当西太副高偏东时,梅雨区降水强度偏低,反之则强度偏高。经向上,在西太副高主体位于我国陆地的前提下,脊线指数高于25°N时,梅雨区大部被副热带高压控制,整体降水偏少且有小幅度南少北多态势;脊线指数偏低时,副高控制梅雨区南部边缘或更南地区,水汽输送导致降水整体偏多。本文得到了不同类型副高与梅雨降水特征的对应关系,也说明SOM方法能较好地对副热带高压等气象要素做出客观分型,并进行气候现象的相关性研究。     

汽轮发电机多故障诊断的SOM神经网络方法

汽轮发电机组的振动故障具有多样性的特点,经常出现多种故障同时发生的情况.传统的BP神经网络方法可对单一故障有效诊断,若要对多故障进行诊断,则需对各种多故障样本进行学习,使输入空间在训练过程中被样本空间完全覆盖,将大大增加样本空间及学习训练负担,同时网络归纳、联想能力随之大幅度下降,诊断难以实施.因此,将自组织特征映射(SOM)神经网络应用于汽轮发电机组的振动多故障诊断,用单一故障样本对网络进行训练,根据输出神经元在输出层的位置对多故障进行判断.经实例分析证明,该方法可对多故障进行有效诊断.     

含钛复合矿选择性提取制备钛合金

采用固体透氧膜（solid oxygen-ion membrane,SOM）熔盐电解法,对含钛复合矿直接脱氧并选择性提取钛合金.经过X-射线衍射（X-ray diffraction, XRD）、扫描电子显微镜（scanning electron microscope, SEM）和能量分数X-射线（energy dispersive X ray, EDX）分析,结果表明：从含钛高炉渣中可以直接提取出Ti5Si3合金粉末,并可有效去除金属杂质Ca,Mg,Al;从钛铁矿中可以直接提取出TiFex合金.最后,对电解脱氧过程进行讨论分析.