SOM网络

摘要： 柴油机的内部结构较为复杂,发生故障概率较高,针对柴油机在工作中容易出现故障,造成经济损失等问题,本文基于SOM网络以燃油系统常见的故障和柴油机运行状态建立模型,计算得出故障分类及诊断结果。使用MATLAB软件进行验证,结果表明在不同的训练步数下使用SOM网络能准确快速的对柴油机故障进行分类。

摘要： 针对高校科研能力,提出一种新的评价方法.通过分析高校科研能力的构成,将其分成五个等级:很强(1)、较强(2)、一般(3)、较差(4)及很差(5).然后用SOM网络对20所高校的样本进行竞争学习,通过matlab神经网络工具箱提供的函数对其进行分类,当网络训练步数达到一定值时,分类准确率达到了100％,而且这种方法弥补了BP网络和Hopfield网络对于高校优势和劣势都明显时不好分类的缺陷.

摘要： 传统的行驶工况判别方法多采用单参数或者双参数进行判别,为提高工况识别精度,针对混合动力汽车双动力源的特点,提出一种多源信息融合的汽车行驶工况识别方法,基于Daubechies小波对多传感器采集到的时间序列进行分解,利用单支小波重构的方法获得每个传感器不同频段下分解信号的数据特征信息,然后基于变属性权重的模糊C-均值聚类方法将不同传感器不同频段的数据特征信息进行一次聚类识别;最后对不同频段下同一工况的隶属度值加权,采用SOM自组织映射网络进行二次聚类融合实现最终的行驶工况识别。将本文所提方法应用于混合动力汽车整车转矩分配中,不同工况下调用不同的转矩分配三层前馈神经网络模型,以提高整车的经济性能。试验结果验证了本文所提方法的有效性。

摘要： 远程教育校外依托机构办学行为聚类研究，是办学行为评价诊断的基础性工作，也为教育行政部门和主办高校实行分类管理提供依据，促进办学行为的优化。根据远程教育的特点和实践，提出了依托机构办学行为分析指标体系。根据SOM网络高维输入、低维输出的特点，将其引入办学行为研究，实现高维数据的聚类分析。聚类结果较好地反映了依托机构办学行为的实际。%The cluster research of distance education’ s school behavior relying on outside agencies, which can provide evidence for the education administration and hosting universities when they implement the category man-agement and promote the optimization of school behavior,it is the basis for the evaluation of diagnosis of school be-havior.According to the characteristics and practice of distance education, it brings out indicator system for school behavior of relying agency.According to the characteristics of high-dimensional input and low-dimensional out-put of SOM network, it will implement high-dimensional data analysis for clustering if we introduced it into school behavior research.Clustering results can better reflect the actual school behavior of relying agency.

摘要： This paper is aimed at the exploration methods which are based on geophysics can not predict the remaining oil accu-rately and quantitatively, a method which is based on SOM network is approached to predict the remaining oil. The paper briefly introduces SOM network work process, algorithm training process and cluster method. Through the sensitive attribute of oil satu-ration for clustering analysis, can predict the distribution of remaining oil in time which has very important practical significance to improve the oil production.%该文针对基于地球物理的勘探方法不能有效地定量预测剩余油，提出了一种基于SOM网络的方法来预测剩余油。本文阐述了SOM网络的工作过程、算法的训练过程以及SOM网络聚类的方法。通过对含油饱和度敏感的属性进行聚类分析，可以及时预测剩余油的分布，对提高石油产量具有非常重要的现实意义。

摘要： 为提取汶川大地震前的电离层异常信息,特选取汶川大地震前10天的DEMETER卫星电场数据作为研究对象,以均值、均方差、偏度和峰度等四类随机信号数字特征作为输入层,经过若干次样本训练建立SOM网聚类模型.结果表明,汶川地震前卫星采集的震区信号存在若干异常数据,可能与震前电磁波辐射引起电离层扰动有关.

摘要： 电力通信网的安全可靠性直接影响到电网的安全稳定运行。为了更深入研究电力通信网的理论,在理论与实践调研相结合的基础上得到最终的评价标准;采用层次分析法及SOM神经网络确定权重的方法,不但确保了指标分析的准确性,最后还以实际供电公司通信数据为依托验证可靠性指标的准确性和评价模型的实用性。

摘要： 分析了电力变压器故障气体和故障类型之间的关系，利用SOM网络具有自组织、自学习的特点对电力变压器的故障类型进行分类诊断建模。实例分析表明，SOM网络能很好的对电力变压器的故障类型进行分类诊断。

摘要： 针对大型烟气轮机故障诊断问题,从基于智能和知识的角度进行研究,利用自组织特征映射神经网络(SOM)对故障现象进行自动分类,从而得出它们对应的故障原因;同时,在面向对象的知识获取和管理工具以及推理机的框架结构下,利用诊断专家系统的经验知识进行决策推理与诊断,设计出用于烟气轮机故障诊断的监测诊断专家系统.实验表明,该系统的诊断效果良好.

摘要： 针对大型烟气轮机故障诊断问题,从基于智能和知识的角度进行研究,利用自组织特征映射神经网络(SOM)对故障现象进行自动分类,从而得出它们对应的故障原因;同时,在面向对象的知识获取和管理工具以及推理机的框架结构下,利用诊断专家系统的经验知识进行决策推理与诊断,设计出用于烟气轮机故障诊断的监测诊断专家系统.实验表明,该系统的诊断效果良好.

摘要： 针对大型烟气轮机故障诊断问题,从基于智能和知识的角度进行研究,利用自组织特征映射神经网络(SOM)对故障现象进行自动分类,从而得出它们对应的故障原因;同时,在面向对象的知识获取和管理工具以及推理机的框架结构下,利用诊断专家系统的经验知识进行决策推理与诊断,设计出用于烟气轮机故障诊断的监测诊断专家系统.实验表明,该系统的诊断效果良好.

摘要： 针对大型烟气轮机故障诊断问题,从基于智能和知识的角度进行研究,利用自组织特征映射神经网络(SOM)对故障现象进行自动分类,从而得出它们对应的故障原因;同时,在面向对象的知识获取和管理工具以及推理机的框架结构下,利用诊断专家系统的经验知识进行决策推理与诊断,设计出用于烟气轮机故障诊断的监测诊断专家系统.实验表明,该系统的诊断效果良好.

摘要： 针对大型烟气轮机故障诊断问题,从基于智能和知识的角度进行研究,利用自组织特征映射神经网络(SOM)对故障现象进行自动分类,从而得出它们对应的故障原因;同时,在面向对象的知识获取和管理工具以及推理机的框架结构下,利用诊断专家系统的经验知识进行决策推理与诊断,设计出用于烟气轮机故障诊断的监测诊断专家系统.实验表明,该系统的诊断效果良好.

摘要： 通过车牌定位、车牌倾斜校正、字符切分和字符识别四个步骤完成了汽车牌照的识别,介绍了每一步骤的关键技术和实验结果.采用网络数据库技术,构建了基于车牌照识别的高速公路不停车收费的模拟系统.

摘要： 通过车牌定位、车牌倾斜校正、字符切分和字符识别四个步骤完成了汽车牌照的识别,介绍了每一步骤的关键技术和实验结果.采用网络数据库技术,构建了基于车牌照识别的高速公路不停车收费的模拟系统.

摘要： 通过车牌定位、车牌倾斜校正、字符切分和字符识别四个步骤完成了汽车牌照的识别,介绍了每一步骤的关键技术和实验结果.采用网络数据库技术,构建了基于车牌照识别的高速公路不停车收费的模拟系统.

摘要： 通过车牌定位、车牌倾斜校正、字符切分和字符识别四个步骤完成了汽车牌照的识别,介绍了每一步骤的关键技术和实验结果.采用网络数据库技术,构建了基于车牌照识别的高速公路不停车收费的模拟系统.

摘要： 通过车牌定位、车牌倾斜校正、字符切分和字符识别四个步骤完成了汽车牌照的识别,介绍了每一步骤的关键技术和实验结果.采用网络数据库技术,构建了基于车牌照识别的高速公路不停车收费的模拟系统.

摘要： 本发明公开了一种基于SOM与K‑means融合算法的网络流量分类方法，首先采用SOM算法对流量数据进行一次聚类，求出聚类结果中各个簇的簇中心及簇的数目，将簇中心作为K‑means的初始聚类中心，再将簇的数目作为K值，执行K‑means算法进行二次聚类得到输出结果。采用S_Dbw指数作为聚类结果评价指标，对于包含各种噪声和不同密度的数据集，该指数具有较强的鲁棒性。本发明与基于监督学习的流量分类算法相比，减少了标注类别的成本，与其他基于无监督学习的的算法相比性能更优。

摘要： 本发明公开一种高功耗WRSNs中基于SOM神经网络的多基站协同充电方法，步骤如下：利用SOM神经网络对WRSNs划分类别；在各个类别内添加一级移动充电器，直到所有传感器节点均被添加到充电列表内；根据一级移动充电器充电列表内传感器节点的连通性贡献形成充电序列，并生成一级移动充电器充电路径；利用遗传算法根据一级充电器的驻留点规划最短路径，在该路径上配备二级移动充电器和设立基站；每个充电周期内，一级移动充电器对传感器节点充电，二级充电器对一级充电器充电。两者同时运行，通过无线充电电池作为媒介进行充电。本发明具有的有益效果：算法复杂度小，能够准确划分传感器类别，实现传感网全覆盖充电，降低移动能量损耗和充电损耗。

摘要： 本发明公开一种WRSNs中基于SOM神经网络的多基站充电方法，步骤如下：利用SOM神经网络对无线可充电传感网划分类别；根据传感器的能耗和充电器的电池容量，将网络的第级别划分为传感器节点数相等的个区域并配备一级移动充电器；利用遗传算法对一级移动充电器遍历路径进行最优规划并在路径上选取驻留点。根据驻留点利用遗传算法规划最优路径，在该路径上配备二级移动充电器和基站；在每个充电周期内，一级移动充电器对传感器节点充电，待所有一级移动充电器充电结束后，二级移动充电器开始对一级移动充电器充电。本发明具有的有益效果：算法复杂度小，能够准确划分传感器类别，实现传感网全覆盖充电，降低移动能量损耗和充电损耗。

摘要： 一种基于图理论的SOM算法涉及机器学习领域和离散数学领域，其包括如下步骤：步骤1、获取文本数据，并对数据进行分词、去除停用词处理；步骤2、使用word2vec方法生成文本数据内每个词对应的词特征向量表达，用于词与词之间关系的度量；步骤3、将步骤1和2得到的词特征向量表达数据由输入层采用全连接的方式输入到竞争层；步骤4、训练SOM网络，并将SOM网络的输出作为图切割层的输入；步骤5、在图切割层对由SOM网络的输出构成的无向图进行图切割；步骤6、将图切割层得到的矩阵输入到输出层，在输出层采用WTA(Winner Takes All)机制得到最终聚类结果。本发明解决文本聚类时最佳聚类数目不易确定的问题。

摘要： 本发明提出了一种基于智能芯片的自组织特征映射神经网络(Self‑organizing Map,SOM)算法处理方法。SOM神经网络是无监督机器学习中一种经典的聚类算法，在图像处理、数据挖掘、深度学习有广泛的应用。本发明将SOM神经网络算法划分成不存在数据依赖的多个步骤，这个过程在下文中称为Kernel的划分。在保证每个步骤高并行度的情况下，将各个步骤在GPU上实现，对应下文里Kernel的分步骤实现与优化。在单个Kernel在GPU上完成高效的实现后，再将所有的步骤整合为一个Kernel。对整合后的Kernel进行深度优化，并将各个分步骤整合迭代的过程中，使用全局同步的方法，最终实现了一个可以在GPU端单次Kernel启动即可完成的高效的SOM神经网络算法。

摘要： 本发明公开了一种基于增长型环形SOM神经网络的片上光网络映射方法，包括：获取核图中的IP核连通关系矩阵和网络拓扑中的节点通信损耗矩阵；利用节点通信损耗矩阵中的行向量对增长型环形SOM神经网络进行训练，获得经训练的增长型环形SOM神经网络；利用经训练的增长型环形SOM神经网络分别获取节点通信损耗矩阵中每个行向量的获胜神经元索引号以及IP核连通关系矩阵中每个行向量的获胜神经元索引号；根据IP核连通关系矩阵的获胜神经元索引号和节点通信损耗矩阵的获胜神经元索引号获得核图中IP核与网络拓扑节点之间的映射矩阵。本发明通过自适应方式在保证结果稳定的条件下降低了映射方法复杂度，减少了求解时间。

摘要： 本文公开了一种基于KPCA‑SOM网络的TEM地下电缆探测方法。首先通过分析异常体样本剖面曲线的属性特征，提取特征属性参数，然后利用KPCA算法约简特征参数并通过SOM神经网络对约简后的特征属性参数进行处理，输出异常体电导率和深度信息。经样本数据训练后得到KPCA‑SOM网络模型。最后提取待检测区域内剖面曲线的特征属性参数数据输入到KPCA‑SOM网络模型中，便可输出待检测区域内异常体电导率‑深度数据，从而确定地下电缆位置信息。

摘要： 本发明公开了一种基于改进SOM神经网络的移动智能终端流量监测方法以及相关设备，本方案通过修改SOM神经训练过程中网络学习速率和和权值向量的修正过程构建改进型SOM神经网络；利用改进型SOM神经网络对移动智能终端所产生的流量数据包进行分析训练学习，建立改进型SOM神经网络流量监测模型；通过改进型SOM神经网络流量监测模型自动识别待监测移动智能终端所产生流量的异常行为，据此异常行为判断是否存在网络攻击行为。本发明提供的方案能够自动识别流量异常行为和流量行为偏离正常行为的情形，可以有效地提高对移动智能终端流量的监测效果，保护移动智能终端的信息安全。

摘要： 本发明的实施例公开了一种基于BP‑SOM组合神经网络的供电安全隐患智能诊断系统及方法，涉及供电安全技术领域。所述基于BP‑SOM组合神经网络的供电安全隐患智能诊断系统包括CPU处理器，CPU处理器连接有供电单元、传输单元、监测单元和报警单元，监测单元包括电流互感器、电压互感器和温度传感器；监测单元用于布设在需要监控的供电设备上；传输单元采用有线传输和/或无线传输方式；报警单元包括警报灯、扬声器和/或手持终端。本发明实施例主要为日常运维中供电设备发生的安全隐患提供智能解决方案，避免人工巡检的主观性，提高检出率，降低事故率，同时，方法的设计及系统的构建更加注重适用的广泛性，便于推广。

摘要： 本发明涉及迁移学习和自适应神经网络聚类轴承故障分析技术领域，公开了一种基于迁移学习和流形距离的SOM网络聚类机电设备轴承故障分析方法。具体过程如下：原始采集信号经过CEEDAN及FastICA技术除噪处理形成重构原信号，将其作为SOM自适应神经网络的输入；在SOM网络中，考虑利用流形距离计算相似度矩阵，并引入迁移学习模型机制，将数据样本的源域和目标域的SOM神经网络节点的权重参数共享，通过源域训练结果优化目标域聚类任务函数及神经元权重；通过SOM神经网络目标域输出层结果完成目标域样本的聚类任务，得到聚类结果，输出机械故障诊断类型。