自组织映射用于数据分析的方法研究

作     者：安璐 张进 李纲 An Lu;Zhang Jin;Li Gang

作者机构：武汉大学信息资源研究中心武汉430072 美国威斯康星大学密尔沃基分校密尔沃基53211 

出 版 物：《情报学报》 (Journal of the China Society for Scientific and Technical Information)

年 卷 期：2009年第28卷第5期

页      面：720-726页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081203[工学-计算机应用技术] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：本文系教育部人文社会科学重点研究基地重大项目(05JJD870159)、国家自然科学基金青年科学基金项目(70903047)、2007年度全美华裔图书馆员协会黄氏奖学金CALA’s HuangTso-ping&WuYao-yu Memorial Grantand Scholarships和国家留学基金管理委员会国家建设高水平大学公派研究生项目(2007)的研究成果之一 

主　　题：自组织映射 数据分析 人工神经网络 方法研究 

摘      要：自组织映射（SOM）是一种人工神经网络方法，它通过将相似的输入数据映射到相同或相近结点，将高维输入数据显示在低维空间中，具有保留输入数据的拓扑结构的优点，便于用户观察数据的分布特点。数据分析是SOM的重要应用领域之一。本文分析了SOM的各种学习算法（包括序列学习、批学习、k-batch学习、将空间访问方法引入SOM等算法）的优缺点和适用情况，挖掘了不同的SOM输出维度、结点形状及输出大小，并分析了三种成熟的SOM工具（SOM Toolbox，Viscovery SOMine和Databionic ESOM Tools）对这些算法、输出形式的支持程度，为SOM用于数据分析提供了细化而适当的方法借鉴。