RSOM算法及其应用研究

• 作者: 夏胜平 张乐锋 胡卫东 虞华 郁文贤
• 来源期刊: 复旦学报（自然科学版）
• 学科: 工学
• 关键词: 自组织映射网络 结构自适应 可分性判据 奇异值分解 模式识别
• 年，卷（期）: 2004,（5）
• 页码范围: 704-709
• 页数: 6页
• 分类号: TP183
• 字数: 5503字
• 语种: 中文
• DOI: 10.3969/j.issn.0427-7104.2004.05.007

摘要

神经网络以其优越的非线性拟合能力和强大的自组织模式分类能力已被用于许多模式识别问题,并取得了很好结果.但是对于大样本集分类和复杂模式识别问题,大多数常规神经网络在决定网络结构与规模、设计自学习算法和应付庞大的计算量等方面存在诸多困难.为了克服这些困难,在Kohonen自组织映射模型(SOM)的基础上,提出了两种基于类别可分性判据RSOM分类树:非结构自适应的RSOM-Ⅰ分类树与基于奇异值分解方法的结构自适应RSOM-Ⅱ分类树,这两种分类树的每个节点由拓扑有序的自组织映射网络组成. RSOM分类树的优点在于处理大样本集和复杂模式的识别问题时能够自适应地确定网络的结构和规模,最后的数据试验就是很好的佐证.