自组织人工神经网络与聚类法在矿区沉积物分类中实用性对比

• 作者: 吴潇 葛晓光 钱凯
• 来源期刊: 煤炭学报
• 学科: 地球科学
• 关键词: 自组织人工神经网络 聚类分析 沉积物 粒度分析
• 年，卷（期）: 2006,（2）
• 页码范围: 169-173
• 页数: 5页
• 分类号: P588.2|TP183
• 字数: 3052字
• 语种: 中文
• DOI: 10.3321/j.issn:0253-9993.2006.02.008

摘要

为确切判定淮北矿区新第三纪沉积物成因类型,分别用自组织人工神经网络(SOM)和聚类分析方法对宿南等矿区的19组样本进行分类.对比发现SOM的分类结果与实际情况更吻合.从机理和应用方式上探讨了两种方法的功能差异,证明SOM方法分类操作过程简便易行,具有残缺自动识别能力,分类结果唯一,在沉积物无监督成因分类中,优于聚类分析方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	葛晓光	合肥工业大学资源与环境工程学院	34	334	10.0	17.0
2	吴潇	合肥工业大学资源与环境工程学院	6	52	4.0	6.0
3	钱凯	合肥工业大学资源与环境工程学院	4	20	3.0	4.0