基于自组织特征映射神经网络的聚类分析-论文.pdf

《基于自组织特征映射神经网络的聚类分析-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、2014年第6期文章编号：1009—2552(2014)06—0018—04中图分类号：TP183文献标识码：A基于自组织特征映射神经网络的聚类分析丁硕，常晓恒，巫庆辉(渤海大学工学院，辽宁锦州121013)摘要：在深入研究自组织特征映射(Self—organizingFeatureMapping，SOFM)神经网络的结构和聚类算法的基础上，阐述了SOFM网络的建立方法。以随机二维向量的聚类为例，利用所建立的SOFM网络模型对输入的随机二维向量进行聚类，并着重研究了输出层神经元拓扑结构、训练步数对聚类结果的影响以及在相同拓扑结构条件下，SOFM网络模型的权值向量的调整过程。仿真结果

2、表明：在输出层神经元节点形式为六边型条件下，输出层神经元的个数越多，SOFM网络模型的聚类结果就越准确；在相同的拓扑结构条件下，训练步数越大，SOFM网络聚类结果越准确，但过大的训练步数对于聚类结果的影响甚微。关键词：自组织特征映射；人工神经网络；聚类；拓扑结构ClusteringanalysisbasedonSOFMneuralnetworkDINGShuo．CHANGXiao—heng．WUQing—hui(SchoolofEngineering，BohaiUniversity，Jinzhou121013，LiaoningProvince，China)Abstract：Inth

3、ispaper，anestablishingmethodofSOFMnetworkisintroducedbasedonanin—depthstudyonitsstructureandclusteringmethod．Theclusteringoftwo-dimensionalvectorsistakenasanexample，andtheestablishedSOFMnetworkisusedtoclustertherandomtwo—dimensionalvectorswhichareputin．Theeffectsoftopologystructureandtrainings

4、tepsofoutputlayerneuronsuponclusteringresultsarestudied．Besides．theadjustmentprocessofweightvectorsofSOFMnetworkmodelwith山esametopologystructuresisalsounderinvestigation．Thesimulationresultshowsthatwhentheneuronnodesintheoutputlayerareintheformofahexagonal，themoretheneuronsintheoutputlayer，the

5、moreprecisetheSOFMnetworkmodel’Sclusteringresultbecomes；whenthetopologystructuresarethesame，themoretrainingsteps，themoreprecisetheclusteringresultis．Howeverwhenthenumberoftrainingstepsaretoobig，therewillbelittleimpactontheclusteringresult．Keywords：self-organizedfeaturemapping；artificialneuraln

6、etwork；clustering；topologystructure0引言提取的性能，特别适合于解决聚类问题¨。本文将SOFM神经网络应用于二维随机向量的聚类分析由于人工神经网络可以处理那些难以用传统数中，基于MATLAB7．0平台，构建了SOFM神经网学模型描述的系统，可以逼近任何非线性的特性，具络，测试了不同网络拓扑结构对于聚类结果的影响，有很强的自适应、自学习、联想记忆、高度容错和并并给出了在不同的训练步数条件下，所建SOFM模行处理能力，故近些年来，人工神经网络用于模式分型的权值向量的调整过程及其聚类效果。类成为当今的一个研究热点问题。自组织特征映射(Self-organ

7、izingFeatureMapping，SOFM)神经网络收稿日期：2013—12—09能够根据学习获得的知识经验对复杂问题进行合理基金项目：国家自然科学基金资助项目(61104071)作者简介：丁硕(1979一)，男，讲师，研究方向为人工智能、神经网的判断决策，它采用无监督的人计算方法，在对样本络应用、虚拟仪器研究。数据进行聚类的同时，具有保持拓扑有序性和特征一18一1SOFM神经网络的结构聚类分析。具体实验过程如下：①基于MATLAB7．0自组织过程是指学习的结果