基于自组织特征映射神经网络的聚类分析

• 作者: 丁硕 巫庆辉 常晓恒
• 来源期刊: 信息技术
• 学科: 工学
• 关键词: 自组织特征映射 人工神经网络 聚类 拓扑结构
• 年，卷（期）: 2014,（6）
• 所属期刊栏目: 基金项目
• 页码范围: 18-21
• 页数: 4页
• 分类号: TP183
• 字数: 1629字
• 语种: 中文

摘要

在深入研究自组织特征映射(Self-organizing Feature Mapping,SOFM)神经网络的结构和聚类算法的基础上,阐述了SOFM网络的建立方法.以随机二维向量的聚类为例,利用所建立的SOFM网络模型对输入的随机二维向量进行聚类,并着重研究了输出层神经元拓扑结构、训练步数对聚类结果的影响以及在相同拓扑结构条件下,SOFM网络模型的权值向量的调整过程.仿真结果表明:在输出层神经元节点形式为六边型条件下,输出层神经元的个数越多,SOFM网络模型的聚类结果就越准确;在相同的拓扑结构条件下,训练步数越大,SOFM网络聚类结果越准确,但过大的训练步数对于聚类结果的影响甚微.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	巫庆辉	渤海大学工学院	46	413	9.0	18.0
2	丁硕	渤海大学工学院	42	451	11.0	19.0
3	常晓恒	渤海大学工学院	34	306	8.0	16.0