欢迎来到天天文库
浏览记录
ID:5313572
大小:399.69 KB
页数:5页
时间:2017-12-07
《som研究的若干新进展》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、一⋯一一⋯⋯一⋯一⋯蓑~~亳嚣SOM研究的若干新进展王艳华(桂林电子科技大学信息与通信学院广西桂林541004)【摘要】:作为智能计算的重要方法之一,自组织~(Self-OrganizingMaps,soM)得到了广泛的研究和应用。首先分析了SOM的产生背景、生物学基础、原理及基本算法,然后报告了SOM研究的现状,最后对可能的发展方向进行了阐述和展望。【关键词】:自组织映射;聚类;模式识别;数据可视化;故障诊断0引言SOM是芬兰学者T.Kohonen于1981年根据人脑神经元的特点提出的一种竞争学习网络1,学习的过程可以无监督地、白组织地进行。许多学者对SOM算
2、法做了大量的改进,比较代表性的有FKCM(Fuzzy誊t骜撼缝辫誊鼍
3、KohnenClusteringNetwork)翻,KohonenSOFM-C[31,LVQ(LearnVectorQuantification)和VR2SOM[~。FKCM主要是引入模糊隶属度,采用批处理方法,一方面消除分类结果对样本输入顺序的依赖性,另一方面使学习率随隶属度白适应变化,并避免对邻域的选择调整。KohonenSOFM—C既能保持KohonenSOFM拓扑不变性映射又能有效地避‘死神经元”[31。为克服采用无监督学习算法带来的缺乏分类信息的弱点,≯疆懈提出了LVQ网络,它将有监
4、督学习算法与竞争学习图1SOM网络结构思想相结合。为克服KohonenSOFM网络预先固定竞争层神经元数目,在训练过程中动态确定,提出了SOM网络的工作原理是将任意维输入模式在输VR2SOM。目前,SOM在分类聚类、组合优化、数据分出层映射为一维或二维模式,并保持其拓扑结构不变析、模式识别、信号处理、数据挖掘、数据分类、知识获[11;网络通过对输入模式的反复学习可使权重向量空取、语音识别、图像处理、过程监控、故障识别和预测间与输入模式的概率分布趋于一致,即权重向量空间等中得到了广泛的研究和应用嘲用[81[91㈣【“]。能反映输入模式的统计特,征【”。SOM网络采
5、用的学习1SOM算法算法是KOHONEN算法,它是在胜者为王算法的基础1.1SOM原理上加以改进而来的,其主要区别在于调整权向量与侧生物医学和脑科学研究表明,大脑皮层的特定区抑制的方式不同,在胜者为王算法中,只有竞争获胜域会对外界的特定时空信息产生兴奋。它是通过后天神经元才能调整权向量,其他任何神经元都无权调整学习自组织形成的,这就是KOH0NENSOM的生物[1]。而在SOM网络中,以获胜神经元为中心,对近邻神学基础。经元表现出兴奋性侧反馈,对远邻的神经元表现出抑SOM网络共有两层,输入层和输出层。输出层神制性侧反馈,即优胜领域内的所有神经元按其离开获经元的排
6、列形式是一维线阵、二维平面阵甚至更高维胜神经元的距离远近不同程度地调整权值[】1。侧反馈的图形,前两种类型是比较常见的,如图1所示。强度随其与获胜神经元之间距离的变化大致如图2基金项目:国家自然科学基金项目(61261035)2013年第11期I福建电脑·1·一~嘲彳器剩余能量以及与汇聚点间距离等因素,采用一种基于步利用极坐标系的特点有效地表达了数据量值比重SOM原理的簇头竞争算法,构建了能量消耗均衡的分及其类别特征。由于高维数据间的距离信息在映射到簇结构。文献[213提出一种基于SOM与K均值模型低维空间中固定有序的神经元上时会被丢掉,为此文的混合专利聚类方法
7、,能鉴定出类似的文件,有利于献[31]提出了位置可调自组织算法,它在实现数据间专利文本分析。距离信息的直观展现的同时避免了神经元的过度收2.2模式识别缩问题。文献[32]提出了三维SOM,它对高维数据记模式识别是指对表征事物或现象的各种形式的录集进行SOM分析后将其投影到三维坐标系中的特信息进行处理和分析,以对事物或现象进行描述、辨定的点集上,点集的横坐标、纵坐标和竖坐标三个变认、分类和解释的过程f3_。S0M网络模式识别分两步,量映射于数据集的属性、属性值和数据类别。文献第一步训练,第二步分类,该方法的优势体现在处理[33]提出了电网可视化数据挖掘新模型,模型
8、利用改环境信息比较复杂,背景知识没有或是不清晰,推理进的SOM聚类算法对高维电网数据进行降维,提出规则没有或是不明确的模式识别案例中。一种基于颜色映射的可视化方法,对聚类结果进行低文献[22]介绍了一种进行人脸识别的SOM网络维展现,加快了用户对挖掘结果的理解。方法,产生一个基于形状的载体命名的脸,收集人脸2.4故障诊断的全局信息。文献[23]对2维图像进行SOM来识别监督生产中机械设备的运行情况,如果一旦发生物体。文献[243提出了基于测地距离的SOM(GDB—故障,那么迅速找到故障源,采取相应措施隔离并尽SOM),其不足是在进行输出节点的原型向量更新时快消除
9、故障。故障诊断在工业和其
此文档下载收益归作者所有