自组织特征映射
自组织特征映射的相关文献在1993年到2022年内共计321篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、电工技术
等领域,其中期刊论文295篇、会议论文16篇、专利文献122477篇;相关期刊197种,包括科学技术与工程、系统工程与电子技术、中国图象图形学报等;
相关会议16种,包括2008全国博士生学术论坛——电气工程、第八届中国Rough集与软计算、第二届中国Web智能、第二届中国粒计算联合会议(CRSSC-CWI-CGrC'2008)、2008’材料腐蚀与控制学术研讨会等;自组织特征映射的相关文献由796位作者贡献,包括黎洪松、潘志松、杨毅恒等。
自组织特征映射—发文量
专利文献>
论文:122477篇
占比:99.75%
总计:122788篇
自组织特征映射
-研究学者
- 黎洪松
- 潘志松
- 杨毅恒
- 王正欧
- 王磊
- 穆志纯
- 刘雪梅
- 吕晓喆
- 康泰兆
- 张伟
- 李伟华
- 李鑫环
- 林昌
- 焦利民
- 程勖
- 胡谷雨
- 谢军太
- 赵勇
- 赵菁
- 陈立潮
- 陈薇伶
- 陈静
- 高建民
- 高智勇
- 黄道
- 丁硕
- 傅秀芬
- 刘伟
- 单德山
- 吴彤彤
- 哈斯巴干
- 唐降龙
- 夏庆观
- 姜彦吉
- 姜洪权
- 孙宁
- 孙涵莆
- 尹晶晶
- 巫庆辉
- 常晓恒
- 廉国海
- 张佑生
- 张允
- 张彭泊
- 张树生
- 张欣
- 张治国
- 张玲华
- 张琪虹
- 张育智
-
-
刘云;
张轶;
郑文凤
-
-
摘要:
为了在多维聚类分析中运用有效的深度特征选择方法排除冗余和无关的特征属性,学习数据元素的非线性关系提取最佳特征,提出一种降噪分层映射算法(DHM).首先,基于降噪自动编码器构建非循环神经网络,容错数据经过隐藏层加权和激活函数的训练获取输入数据的非线性关系得到特征空间,实现特征重构选取最佳特征.其次,特征空间用于调整自组织特征映射神经网,通过计算最小化加权平方欧式距离寻找匹配的获胜神经元.最后,结合特征选择网络和无监督聚类网络为降噪分层映射神经网,通过整体模型迭代训练,使权重参数和偏差向量同时得到优化,实现有效的无监督聚类方案.在真实数据集上的实验结果表明,同AESOM,DCSOM和S-SOM算法相比,DHM算法在提高聚类质量及准确性方面有更好的表现.
-
-
宋玮琼;
郭帅;
李冀;
刘恒;
郭秋婷;
胡伟
-
-
摘要:
为解决低压配电网络户变关系不准确带来的台区线损统计、排查困难等问题,根据电力大数据技术,提出了基于变压器低压侧和用户侧电压时序数据聚类的配电台区户变关系智能识别方法。首先,采用改进的动态时间规整算法计算用户时序电压序列的相似度;其次,提出基于自组织特征映射算法与K-means算法相结合的两阶段聚类方法,结合时序数据相似度实现基于形状的快速聚类,将连接同一变压器同相位下的用户聚成一类,实现台区户变关系的智能识别;最后,利用实际配电网的台区量测数据进行仿真验证和分析,仿真结果证明了本文所提方法的有效性。
-
-
李波;
崔金涛;
王威
-
-
摘要:
为解决软土震陷分级中存在的问题,基于以往研究,通过建立以自组织特征映射(self-organizing feature map,SOM)与动态分级控制(dynamic classification method,DT)为基础的耦合式分级模型,为软土震陷分级提供了一种新的思路。通过SOM方法进行仿真分析,筛选出具有关联性的影响因素,根据其相关性强弱,可剔除个别因素,保证各因素之间的独立性。再应用动态分级法对震陷分级控制进行研究,得到了不同分类数下的震陷分级。计算结果与模糊综合评判法进行了对比分析,其结果表明耦合式分析模型具有良好的分级效果。
-
-
杨菊花;
李旭彤;
邢东峰;
陈光武
-
-
摘要:
为诊断铁路道岔控制电路中的常见故障,提出了一种基于数据密度聚类算法(Density-based spatial clustering of applications with noise,DBSCAN)与自组织特征映射网络(Self-organizing feature map,SOM)结合的诊断方法。利用微机监测系统记录转辙机三相电流曲线,以转辙机动作原理为标准对曲线分段处理并计算三相电流特征参数。针对初始特征维数较高的问题,以DBSCAN算法筛选故障诊断敏感特征,构建诊断敏感特征集。以粒子群优化算法(Particle swarm optimization,PSO)调整SOM网络权值修改规则从而避免网络出现“死神经元”,设计PSO-SOM网络故障分类器并完成待测样本分类诊断。实验表明,该方法在训练样本较少的情况下,能判断道岔控制电路故障模式。与传统SOM网络相比,其故障诊断准确率更高。
-
-
庞聪;
王磊;
马武刚;
江勇;
廖成旺
-
-
摘要:
针对地震信号中存在大量环境噪声的问题,基于天然地震事件和人工爆破事件建立初始数据集,利用集合经验模态分解(EEMD)技术对波形信号进行分解、降噪,提取出较纯净的各阶本征模态函数(IMF)分量,然后对前10阶分量分别计算分布熵,即EEMD多尺度分布熵,建立神经网络输入矩阵。应用鲸鱼优化算法(WOA)对自组织特征映射(SOM)神经网络参数(竞争层维数、网络训练次数)进行优化,针对不同训练样本寻找对应的最优参数值以改善模式识别的稳定性,从而提高地震识别率。结果表明,EEMD多尺度分布熵结合WOA-SOM模型可有效识别天然地震和人工地震。
-
-
张康林;
叶春明;
李钊慧;
王锦文
-
-
摘要:
股价预测一直都是股票投资者重点关注和重点研究的方向,针对股价具有高度非线性、高噪声、动态性等问题,提出一种基于自组织特征映射(SOM)神经网络和长短期记忆网络(LSTM)共同应用的股价预测方法.第一步聚类,使用python语言实现改进的自组织特征映射神经网络算法,将187支股票分成三类,三类股票以盈利能力大小进行聚类,并且求出每一类所包含的股票代码;第二步预测,基于Pytorch深度学习框架构造长短期记忆网络模型,分别对每一类中随机的3支股票进行股价预测,再通过均方误差和决定系数对预测结果进行评价.结果表明,在使用相同的预测模型对不同盈利能力的股票做股价预测时,盈利能力越大的股票,预测精度越高.此研究可以为投资者筛选出盈利能力更大的股票,并且在提高股价预测精度上也具有一定的贡献.
-
-
张伟勇;
王其伟
-
-
摘要:
基于我国自动站与CMORPH降水产品融合的逐时降水资料和NCEP再分析资料,利用自组织特征映射方法对2008-2014年大别山地区极端降水天气事件的天气背景进行了分型研究.结果 表明大别山地区极端降水背景环境的类型主要可分为三类,分别是西南强气流型(类型Ⅰ)、副高西北侧气流型(类型Ⅱ)和偏南强气流型(类型Ⅲ).其中,类型Ⅰ和类型Ⅱ的极端降水分别集中在6-8月和7-9月,代表了夏季极端降水,而类型Ⅲ的极端降水主要出现在3-6月及10-12月,属于春秋季节的极端降水.通过分析大别山地形与不同类型降水场及背景场的配置关系发现:(1)迎风坡降水是类型Ⅰ极端降水的主要原因,中层的高湿度、强气流为极端降水提供水汽和抬升条件;(2)类型Ⅱ的极端降水是由气流过大别山西北侧较低山脊时在山脊前和山脊后形成,西太平洋副热带高压的北抬和西进是导致此类环流背景的重要原因;(3)偏南气流与大别山及其西南方地形的配置使得类型Ⅲ的极端降水主要分布在大别山南侧往西南方向.
-
-
-
-
谷先广;
孟科委;
姚鑫鑫;
汪洪波
-
-
摘要:
在研究传统车辆稳定性判别方法的基础上,基于神经网络和聚类分析的理论,提出了一种车辆横向稳定性判别方法.采用SOFM神经网络和K均值聚类相结合的组合聚类法,对采集的车辆行驶参数进行离线聚类分析,得到各聚类中心及其稳定性等级.应用均值法在线更新聚类中心,计算实时数据与聚类中心的距离,根据距离最小准则进行车辆稳定性实时判别.以轮胎力法为基准对该稳定性判别方法性能进行分析,最后将判别结果作为稳定性控制策略介入控制的依据,通过CarSim/Simulink联合仿真和硬件在环试验,验证了该稳定性判别方法的有效性和准确性.
-
-
齐艳红
- 《庆祝中国科技信息事业创立暨中国科学技术信息研究所创建50周年学术研讨会》
| 2006年
-
摘要:
利用人工神经网络可进行数据信息的模式分类.距离函数用于生成神经网络中神经元的连接结构.距离函数和神经元数的选择,直接影响到人工神经网络的学习结果.本研究用自组织特征映射网络,选择数种距离函数和神经元数,对我国收录图书情报论文的地区发文统计数据进行无监督自组织聚类.同时,给出了自组织特征映射网络的Matlab算法程序.结果证明,自组织特征映射网络可有效地对信息进行分类,聚类结果与距离函数和神经元数有关,多种方法的综合分析是必要的.最后,讨论了人工神经网络分类的一些特点与原则.
-
-
赵菁;
刘敏
- 《2006中国国际供电会议》
| 2006年
-
摘要:
提出了一种基于自组织特征映射神经网络(Kohonen网络)和模糊理论的短期电价预测方法.预测分两个阶段.首先,根据Kohonen网络的聚类特性,进行第一阶段的电价预测,样本在输入时就已分好类,输入既有与电价曲线连续性有关的数据又有反映电价周期性变化的数据,在学习训练时,区别于普通的无监督竞争学习采用有监督竞争学习的方式以缩短学习时间,提高学习精度.第一阶段预测出一个基本的电价后,在第二阶段利用模糊理论根据前一个时段的预测误差和误差变化对其进行校正,实例分析证明了该方法的有效性.
-
-
-
-
-
陈浩贤;
梁志成;
缪伟豪
- 《中国第二十届电路与系统学术年会暨2007年港澳内地电子信息学术研讨会》
| 2007年
-
摘要:
本文研究了可应用在空时格码系统中的两种量化器,即基于自组织特征映射矢量量化器与信道最优化矢量量化器。在研究中发现,就自组织特征映射空时格码系统而言,对比于性能比较好空时格码,使用性能较弱的空时格码不会大量增加重构误差。这样,就可实现一个低复杂度却拥有不错的性能的系统。同时,使用一个二维的高斯马可夫信号源的仿真结果也显示,自组织特征映射空时格码系统的性能只是在边缘部分比信道最优化矢量量化器差。
-
-
-
常郝;
周国祥
- 《全国第17届计算机科学与技术应用(CACIS)学术会议》
| 2006年
-
摘要:
聚类是数据挖掘中重要的研究课题.本文根据使用神经网络进行数据挖掘的具体步骤,首先对自组织神经网络在数据挖掘中的应用作了深入研究,接着利用MATLAB神经网络工具箱实现了SOFM的一个数据挖掘应用实例,结果表明利用自组织神经网络进行聚类具有噪声数据承受力高和错误率低的优点.
-
-
许新征;
曾文华;
季刚;
张伟;
匡天祺
- 《2005年中国模糊逻辑与计算智能联合学术会议》
| 2005年
-
摘要:
本文提出了一种基于自组织特征映射(SOFM)神经网络和径向基函数(RBF)神经网络的混合网络模型.在该模型中,SOFM神经网络作为聚类网络,采用无监督学习算法对输入样本进行自组织分类,并将分类中心及其对应的权值向量传递给RBF神经网络,作为径向基函数的中心;RBF神经网络作为基础网络,采用高斯函数实现输入层到隐层的非线性映射,输出层则采用有监督学习算法训练网络的权值,从而实现输入层到输出层的线性映射.通过对某炼油厂常压塔汽油干点软测量估计问题进行仿真,表明该模型具有较好的性能.
-
-
张庆芳;
赵鹤鸣;
苏秦
- 《第十二届全国信号处理学术会议》
| 2005年
-
摘要:
与文本无关的说话人识别方法是当前说话人识别技术的研究重点.本文将自组织特征映射(SOFM)网络用于矢量量化中码书的形成,改进了训练算法,并基于改进算法进行了与本文无关的说话人识别.经实验结果证明,本文的方法改善了码本的性能,提高了说话人识别的识别率.