基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对SOM网络无监督学习算法的单样本序列学习方式内存占用多的特点,采用Voronoi矢量原理改进权矢量迭代方式,使改进算法具有所有样本同时学习的能力,同时给出了算法的矢量映射误差测度和拓扑误差测度.然后根据改进算法建立了多属性信息决策的可视二维拓扑映射图模型,并对R&D项目中止决策进行了研究.计算结果表明,改进的无监督学习算法收敛速度快,基于拓扑映射图模型的多属性决策有效.
推荐文章
深度学习无监督学习算法研究
无监督
k-均值聚类
主成分
半监督学习研究与应用
半监督学习
数据挖掘
Co-Training
Self-Training
无监督与监督学习下的含油气储层预测
多波地震
地震属性
数据挖掘
无监督学习
监督学习
支持向量机
深度学习
储层预测
基于BIC准则和Gibbs采样的有限混合模型无监督学习算法
BIC准则
Gibbs采样
无监督学习
有限混合模型
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 多属性信息决策的改进无监督学习算法建模与应用
来源期刊 计算机工程与应用 学科 工学
关键词 多属性决策 神经网络 模式识别 拓扑映射图
年,卷(期) 2002,(21) 所属期刊栏目 博士论坛
研究方向 页码范围 12-13,253
页数 3页 分类号 TP18
字数 2891字 语种 中文
DOI 10.3321/j.issn:1002-8331.2002.21.005
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 朱家元 西安空军工程大学工程学院航空机械工程系 6 78 4.0 6.0
2 张恒喜 西安空军工程大学工程学院航空机械工程系 9 102 5.0 9.0
3 王昱 北京航空航天大学工程系统工程系 1 2 1.0 1.0
4 冯惊雷 西安空军工程大学工程学院航空机械工程系 1 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (2)
共引文献  (6)
参考文献  (2)
节点文献
引证文献  (2)
同被引文献  (0)
二级引证文献  (0)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
多属性决策
神经网络
模式识别
拓扑映射图
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导