作者:
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:
通过允许映射对没有被较好映射的输入作较大的调整,无参数自组织映射(PLSOM)能够快速而正确地适应新的输入范围,但是输入分布与权密度之间对应性较差.论文提出了一种基于PLSOM的改进算法.在两种不同的情况下采用两种不同的权值更新方法.一种采用修改过的PLSOM,另一种则采用改进过的sOM.实验结果表明,这种改进算法不仅能快速正确地适应新的输入范围,而且能较好地体现输入分布.
推荐文章
一种改进的自组织特征映射图像压缩算法
自组织特征映射
自组织神经网络
图像编码
矢量量化
基于寻优算法的改进自组织映射研究
自组织映射
模拟退火
量化误差
损耗值
神经元
增益函数
求解TSP的改进自组织PSO算法
粒子群算法
自组织
种群多样性
旅行商问题(TSP)
基于自组织特征映射的图像分割算法研究
图像分割
Kohonen网络
自组织特征映射
学习向量量化
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 一种改进的无参数自组织映射算法
来源期刊 安徽大学学报(自然科学版) 学科 工学
关键词 SOM PLSOM BMU 输入分布 权值密度
年,卷(期) 2009,(3) 所属期刊栏目
研究方向 页码范围 27-30
页数 4页 分类号 TP183
字数 2700字 语种 中文
DOI 10.3969/j.issn.1000-2162.2009.03.008
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 周向东 福州大学计算机系 4 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  (0)
共引文献  (0)
参考文献  (4)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1990(1)
  • 参考文献(1)
  • 二级参考文献(0)
1992(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(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)
研究主题发展历程
节点文献
SOM
PLSOM
BMU
输入分布
权值密度
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
安徽大学学报(自然科学版)
双月刊
1000-2162
34-1063/N
大16开
安徽省合肥市
26-39
1960
chi
出版文献量(篇)
2368
总下载数(次)
6
总被引数(次)
11731
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导