自组织特征映射网络

摘要： 为深入探讨评价单元和非滑坡样本选取对滑坡易发性预测的影响,构建了一种基于自组织特征映射网络-随机森林模型的滑坡易发性评价模型。该模型针对栅格单元和斜坡单元在滑坡易发性评价中的不足,结合栅格单元和斜坡单元的相互关系,提出了滑坡易发性指数的优化计算方法。在此基础上,基于随机森林Tree Bagger分类器构建滑坡易发性评价模型,通过对比分析自组织特征映射网络和随机方法选取非滑坡样本对评价结果的影响,探讨自组织特征映射网络、随机森林和自组织特征映射网络-随机森林三种评价模型的有效性;将评价模型应用于大余县滑坡易发性评价。结果显示,随机森林模型和自组织特征映射网络-随机森林模型的预测精度较高,分别达到91.19%和94.94%,成功率曲线的AUC值分别为0.822和0.849,表明自组织特征映射网络-随机森林模型具有更高的预测率和成功率,自组织特征映射网络聚类的预测精度虽然有限,但作为非滑坡样本的选择方法,能够有效提高随机森林模型的评价精度。

摘要： 木麻黄(Casuarina equisetifolia)是南麂岛主要保护树种之一。为论证南麂岛防护林建设规划,了解不同环境因子对木麻黄群落的影响,设置了24个群落样方,采用自组织特征映射网络模型(SOM)、多元回归树(MRT)等方法对南麂岛主要防护林树种——木麻黄的生存群落进行排序和分类。结果表明:(1)基于所选取的24个样方,木麻黄群落可被分为4种群落类型,不同分析方法得到的结果基本一致;(2)木麻黄生存群落与土壤含水量和土壤有机质之间的关系密切,表明木麻黄作为防风林树种,对保持水土、防风固沙和改善土壤结构非常重要;(3)SOM和MRT 2种分析方法相结合可以用于植物物种与环境因子之间相关性研究。

摘要： 一般利用故障电弧产生时的电流波形特性进行电弧故障检测.随着线路负载种类的日益增多,故障电弧产生时的电流波形与某些负载无弧情况下的电流波形十分相似,难以通过简单的电流时频域特征进行电弧故障检测,影响电弧故障检测的准确性.针对该问题,提出一种自组织特征映射网络与滑窗法相结合的电弧故障检测方法,在自组织特征映射网络自主挖掘电流数据内在特征的基础上,利用相邻周期电流样本之间的关联性与连续性,对电流信号进行连续检测,提高电弧故障检测准确率.所提方法能有效实现电弧故障检测,电弧故障检测准确率可达99％.

摘要： 当前农村及城镇配电台区低电压问题日益严重,缺乏台区低电压状态识别方法,提出一种基于自组织特征映射网络的台区低电压状态识别模型.推导了状态识别所需的特征参量,研究了台区低电压与供电半径、导线截面积、配电变压器负载率、配电变压器档位、功率因素和三相不平衡等因素之间的关系,建立台区低电压状态识别指标体系,利用自组织特征映射网络模型根据台区低电压状态进行分类.通过与待测台区的实际验证,可以准确地解决台区低电压状态识别问题,便于供电公司提前制定相应措施,满足居民的用电需求.

摘要： 针对差异化制定配电线路巡视周期问题,首先分析了配电线路巡视周期的影响因素,包括线路重要程度、平均负荷大小、故障发生频次、处缺频次和运行环境五个方面,然后提出了基于自组织特征映射的配电线路巡视周期分类方法,利用机器学习实现配电线路巡视周期的合理分类,为供电企业提高线路巡视效率提供技术支撑.

摘要： 为了在足球比赛中更准确、快速地寻找种子队,客观对球队分组,提出一种基于自组织特征映射网络和模糊聚类分析相结合的聚类方法.运用该方法将中超联赛的16支球队聚成四类作为评价标准,任选两支球队对该聚类方法进行测试,并与球队比赛成绩对照.结果发现:所提的聚类方法是合理的,可以客观地反映出参赛球队的实力和水平,有效地进行球队赛前水平评估和球队分组.

摘要： 目的:寻找体质健康测试各指标间复杂的、非线性的关系,为体育教学工作提供科学的技术支持.方法:将成都市某高校近3万名在校大学生体质健康数据分为男生组与女生组,运用自组织特征映射网络(Self-organizing feature Map,SOM)方法,对两组数据进行聚类分析.并以各类学生相同变量的均值作为权重,对不同变量值间变化趋势进行可视化表达.结果:分别将男女生测试数据聚为A、B、C、D四类.男生组中各类不同变量变化有迹可循,女生组中各类“各有所长”且变化趋势较为复杂.结论:(1)上肢和腰腹力量素质与柔韧素质间存在“此消彼长”现象.针对此现象,在体育教学中应在端正学生训练态度的同时,加强力量素质与柔韧素质的交叉性训练.(2)男学生群体中,力量素质对身体素质的影响最大.建议在训练中,注重以力量训练为起点,再辅以跑动能力的锻炼.(3)男女学生各项测试指标间变化情况存在较大差异.针对此情况,应注意男女学生之间采取差异化的训练方法.

摘要： 由于高压断路器运行过程中产生的状态数据庞大,传统的基于人工神经网络的高压断路器故障诊断方法在针对这一问题时存在网络结构复杂、训练过程费时、诊断速率缓慢的缺点。由此,文中提出RST粗糙集结合SOM自组织特征映射网络的方法,通过RST理论对断路器故障数据中的各个属性进行评价并寻找最小属性集,以此消除特征信息中存在的冗余属性,得到约简决策表,并将新形成的故障特征数据作为输入结合自组织特征映射网络进行高压断路器故障诊断。经过验证,在确保整体准确率能够达到91%的情况下,缩短了训练时间,简化了网络结构,在工程实践应用中表现良好。

摘要： 为了解国家Ⅱ级保护植物宝华玉兰Magnolia zenii的种群分布规律及其濒危原因,进一步揭示宝华玉兰野生种群与群落及环境之间的生态关系,应用自组织特征映射网络(SOM)对宝华玉兰生存群落进行了排序和分类,以期为保护和管理宝华玉兰种群野生种质资源提供理论依据和新的方法.结果如下:①群落结构分析表明,宝华玉兰天然更新缺乏,且紫楠Phoebe sheareri,建始槭Acer henryi等优势种占据了主要生存空间与资源,影响了宝华玉兰种群增长和发展,使其在群落中处于不稳定地位;②SOM将40个样方进行聚类分析,得到7个群落类型.不同群落类型之间的物种组成存在差异,界限清晰,排序结果与优势种实际分布情况吻合,说明SOM的分类结果具有合理性;③环境因子可视化分析揭示了宝华玉兰分布于坡度较缓的半阳坡,种群分布主要受到坡向和坡度2个环境因子的影响,由于宝华玉兰自身生长过程中对环境要求的特殊性和不适应性,造成了其濒危现状;④SOM具有高度非线性拟合的特点,且能够同时进行排序和分类,并将分类结果可视化,呈现样方之间的相似性,说明SOM应用于群落分类和排序,反映种群与群落及环境之间的生态关系是合适的.

摘要： 在分析了自组织特征映射网络矢量量化的图像压缩方法的基础上,提出了一种使用模糊隶属函数值代替原用学习速率的改进方法。该方法通过对学习系数的改进,缩短了码书的训练时间,提高了压缩图像恢复后的质量。实验结果表明,该算法具有一定的优越性,可以得到满意的结果。

摘要： 针对轴承退化过程的健康评估和趋势预测问题,本文提出一种轴承健康评估和退化趋势预测集成方法,该方法主要包括特征提取和健康评估、退化趋势预测两个部分.在特征提取时,为实现退化过程的准确评估,本文分别从时域,时-频域等角度尽可能多地提取相关特征并采用三个特征属性指标选择对退化过程较敏感的特征;健康评估阶段,本文利用自组织特征映射网络(SOM)中的最小量化误差构成[0,1]之间的健康指标HI用于判断轴承健康状态;退化趋势预测时,本文提出一种改进的ELM(极限学习机)的建模方法,该方法首先通过PSO优化算法计算出最优网络输入到隐含层的学习参数,接着利用两个激励函数结果的平均值作为隐含层输出结果,以提高模型的稳定性和预测精度.将上述方法应用到2012年PHM挑战赛轴承实验数据上,结果表明,经过特征选择后所提的健康指标HI能很好地跟踪轴承退化过程,与Lssvm,BPnn,ELM预测方法相比较,本文改进的ELM建模方法具有更高的预测精度.

摘要： 随着电子商务的迅速发展和信息技术的不断完善,个性化推荐系统的研究开始受到重视.该系统通过分析顾客偏好,利用聚类技术确定不同的顾客群,最终实现个性化信息服务.本文通过确定顾客模糊信息隶属度的方法分析其偏好,采用了基于自组织特征映射(SOFM)的聚类方法对顾客进行划分,实现对顾客的差别性服务。

摘要： 城市是区域经济发展的中心,是人流、物流、资金流、信息流、技术流等最为集中的枢纽地区.针对流的集聚这一最基本特征,提出城市化的最大流原理:一个远离平衡的开放复杂城市系统总是寻找一种优化过程,使得系统在给定的约束或代价下所获得的广义城市流最大.首先,从严格的理论基础上给出复杂城市系统的结构自组织和自适应过程;其次,利用最大流原理和自组织特征映射网络理论的结合从数值计算上分析城市发展模式的演化.

摘要： 介绍针对船舶机电控制设备的智能在线远程故障诊断系统,该系统建立在由Inmarsat-B卫星通信系统和Internet组成数据传输通道的基础上,利用自组织特征映射网络完成连续属性值的聚类量化,采用粗糙集理论解决故障实时诊断专家系统的决策规则推理.该系统中还引入了由航运指挥中心的专家组成的远程网络会诊,与智能在线诊断系统一起为远洋船舶提供强有力的技术支持,系统已经在实验室条件下进行了仿真试验.

摘要： 针对雷达目标识别的问题,在SVM的训练过程中,如果输出向量(目标点)的选择不是100％的目标点,则识别效果会急剧下降;而SOM虽然识别效果不错,但是其计算时间长.本文则提出了将SVM和SOM结合起来,解决了这两个缺陷.

摘要： 针对雷达目标识别的问题,在SVM的训练过程中,如果输出向量(目标点)的选择不是100％的目标点,则识别效果会急剧下降;而SOM虽然识别效果不错,但是其计算时间长.本文则提出了将SVM和SOM结合起来,解决了这两个缺陷.

摘要： 针对雷达目标识别的问题,在SVM的训练过程中,如果输出向量(目标点)的选择不是100％的目标点,则识别效果会急剧下降;而SOM虽然识别效果不错,但是其计算时间长.本文则提出了将SVM和SOM结合起来,解决了这两个缺陷.

摘要： 水土保持区划是实施水土流失综合防治、行业管理和国家宏观管理的重要依据.本文运用主成分分析-系统聚类法和自组织特征映射(SOFM)网络分别构建水土保持区划模型依据网络结果和系统聚类谱系图,划分合理的水土保持分区.本文以泾河流域为例进行了水土保持区划研究,将研究区划分为4类区域,各区域具有明显的水土保持特征,针对不同区域特征,提出了相应的防治方向,为区域生态环境保护与建设提供依据.

摘要： 水土保持区划是实施水土流失综合防治、行业管理和国家宏观管理的重要依据.本文运用主成分分析-系统聚类法和自组织特征映射(SOFM)网络分别构建水土保持区划模型依据网络结果和系统聚类谱系图,划分合理的水土保持分区.本文以泾河流域为例进行了水土保持区划研究,将研究区划分为4类区域,各区域具有明显的水土保持特征,针对不同区域特征,提出了相应的防治方向,为区域生态环境保护与建设提供依据.

摘要： 为了在具有动态网络拓扑的无线自组织通信网络(KNW)中通过自动配置来实现最优的网络性能和网络照明，通过通信网络(KNW)的功能扩展[实现一种算法/一种方法]使该通信网络(KNW)能够自己(自动地)通过测量来确定加入该通信网络(KNW)的发送接收设备(SEG)的当前网络配置和可及性，并从由此获得的数据(HWI，HWI1...4)中随时确定主站或基站(BS，SEG1)的最优位置。

摘要： 本发明提供一种基于均匀设计和自组织特征映射神经网络的声源定位方法，涉及声源定位技术领域。首先确定声源所在三维空间，并将其划分为n个立体网格；选择声音信号的m个特征作为均匀设计法中的实验因素；从n个网格中选取均匀散布的k个网格做成均匀设计表；建立自组织特征映射神经网络，将均匀设计表中的数据进行归一化处理后作为该网络的输入；对自组织特征映射神经网络输入层与输出层的神经元连接权值赋值，并确定权值调整域，对权值进行更新；对自组织特征映射神经网络的学习率赋初始值，并设定学习率随训练次数增加逐渐减小；采用欧式距离法比较输入量与竞争层中的神经元对应的权值的相似性，获得声源稀疏位置，最终实现声源的精确定位。

摘要： 为了在具有动态网络拓扑的无线自组织通信网络(KNW)中通过自动配置来实现最优的网络性能和网络照明，通过通信网络(KNW)的功能扩展[实现一种算法/一种方法]使该通信网络(KNW)能够自己(自动地)通过测量来确定加入该通信网络(KNW)的发送接收设备(SEG)的当前网络配置和可及性，并从由此获得的数据(HWI，HWI1...4)中随时确定主站或基站(BS，SEG1)的最优位置。

摘要： 本发明提供一种基于均匀设计和自组织特征映射神经网络的声源定位方法，涉及声源定位技术领域。首先确定声源所在三维空间，并将其划分为n个立体网格；选择声音信号的m个特征作为均匀设计法中的实验因素；从n个网格中选取均匀散布的k个网格做成均匀设计表；建立自组织特征映射神经网络，将均匀设计表中的数据进行归一化处理后作为该网络的输入；对自组织特征映射神经网络输入层与输出层的神经元连接权值赋值，并确定权值调整域，对权值进行更新；对自组织特征映射神经网络的学习率赋初始值，并设定学习率随训练次数增加逐渐减小；采用欧式距离法比较输入量与竞争层中的神经元对应的权值的相似性，获得声源稀疏位置，最终实现声源的精确定位。

摘要： 本发明公开了一种基于自组织特征映射神经网络的连接型间歇故障诊断方法，该方法包括：步骤1、提取全要素特征参数；所述的全要素特征参数包括测试信号特征参数和外部环境特征参数；步骤2、模型学习训练；所述的学习训练过程为：初始化、归一化处理、计算欧式距离、确定最小距离、调整连接权和更新学习速率和邻域；步骤3、故障诊断；通过对正常态、间歇态、故障态的样本进行学习训练，得到多种分类结果的神经网络权重矢量；通过对标准样本的状态的严重程度的计算，对分类后的结果进行状态标记；将测试的样本输入到模型中，通过SOFM神经网络诊断的类别，得到测试样本的状态，从而得到测试样本的间歇故障诊断结果。

摘要： 本发明公开了自组织网络建立方法及基于自组织网络的智能系统，方法包括：节点向自身一跳范围内的邻居节点请求通信地址；当未接收到请求应答消息时将自身作为建立的网络中的代理节点；当自身邻居节点中存在代理节点时向目标代理节点请求通信地址；目标代理节点为节点分配通信地址；节点通过分配的通信地址成为一般节点；当节点确定自身邻居节点中不存在代理节点时向目标一般节点请求通信地址；目标一般节点对应的代理节点为节点分配地址空间；节点通过分配的地址空间成为代理节点；当一个代理节点将自身的地址空间分配完、且该代理节点一跳范围内不存在代理节点时，该代理节点通过空间地址回收得到新的地址空间。

摘要： 本发明公开了一种基于自组织特征映射网络聚类和径向基网络的语音转换法，属于语音信号处理技术领域，包含以下步骤：预处理，清浊音判决与特征参数提取；参数聚类；频谱包络转换规则的建立；基音频率转换规则的建立；特征参数的转换；语音合成。本发明将源语音特征参数分成若干个聚类，相应的目标特征参数也分成与源语音各聚类一一对应的若干类，对每一聚类分别建立转换规则，这样不仅将训练数据进行划分减少了训练的时间复杂度，使得转换生成的语音具有良好的自然度；在语音特征参数转换时，将基音频率与频谱包络联系起来，建立两者间的转换关系，克服了孤立的对基音频率转换的缺点，使得转换出的基音频率更加具有目标说话人的特性。

摘要： 本发明公开了一种基于自组织特征映射网络聚类和径向基网络的语音转换法，属于语音信号处理技术领域，包含以下步骤：预处理，清浊音判决与特征参数提取；参数聚类；频谱包络转换规则的建立；基音频率转换规则的建立；特征参数的转换；语音合成。本发明将源语音特征参数分成若干个聚类，相应的目标特征参数也分成与源语音各聚类一一对应的若干类，对每一聚类分别建立转换规则，这样不仅将训练数据进行划分减少了训练的时间复杂度，使得转换生成的语音具有良好的自然度；在语音特征参数转换时，将基音频率与频谱包络联系起来，建立两者间的转换关系，克服了孤立的对基音频率转换的缺点，使得转换出的基音频率更加具有目标说话人的特性。

摘要： 公开一种基于自组织特征映射网络的目标分群方法，包括如下步骤：读取当前时刻我方传感器获得的数据；对读取的传感器数据进行清洗；引入SOM对处理后的数据进行分组，使用混合计算方法计算神经元和传感器数据间的距离，利用标准化置信度值检验分组的准确性；评估目标分组情况，并根据实际情况及时做出修正；输出目标分群结果，重复该过程。该方法通过在目标分组前进行数据清洗，有效的滤除了噪声干扰，提高目标分组的准确率；能够有效反映目标间的差异，提高目标分组的准确率；通过引入SOM，解决了需要预先指定分组数和设置阈值的关键问题，提高了目标分组的准确度和速度，满足实际应用的需求；引入CV检验目标分组情况，提高算法的鲁棒性。

摘要： 本发明公开了基于自组织特征映射网络的电力物资分类方法，包括以下步骤：物资数据采集：选取物资数据并将选取的物资数据构建成电力物资指标体系；物资数据分析：将电力物资指标体系中的数据按照非线性主成分分析法选择出电力物资主成分分析指标；物资分类：采用自组织特征映射网络(SOFM)算法对选择出的电力物资主成分分析指标进行指标细分，并根据细分指标做聚类，建立电力物资的分类。