检索结果-南通市图书馆

计算机工程与科学 2009年第9期31卷 50-52页

作者：王海华赵楠楠邹凌辽宁科技大学电信学院辽宁鞍山114051 江苏工业学院计算机科学与工程系江苏常州213164

改进自组织映射神经网络方法是将常规自组织映射神经网络方法结合确定性水平,对网络的输入矢量进行预处理。通过实验比较了这种改进的自组织映射神经网络识别方法与常规的自组织映射神经网络识别方法的识别效果,在识别性能上有了很大的... 详细信息

改进自组织映射神经网络方法是将常规自组织映射神经网络方法结合确定性水平,对网络的输入矢量进行预处理。通过实验比较了这种改进的自组织映射神经网络识别方法与常规的自组织映射神经网络识别方法的识别效果,在识别性能上有了很大的提高。

关键词：指纹识别中心点检测指纹特征矢量自组织映射神经网络

基于自组织映射神经网络的吉林省春夏期降水统计模拟研究

在线全文

学校读者我要写书评

暂无评论

大气科学学报 2018年第6期41卷 829-837页

作者：吴香华蒙芳秀熊萍萍于华英燕妮刘伟奇南京信息工程大学数学与统计学院江苏南京210044 南京信息工程大学大气物理学院江苏南京210044

利用1997—2015年吉林省春夏期(4—7月)逐日气象站地面观测资料,以气温、气压、相对湿度、水汽压、风速为协变量,建立各站点逐日降水量的基于自组织映射神经网络(Self-Organizing Maps,SOM)的统计预测模型;分析吉林省春夏期的主要天气模... 详细信息

利用1997—2015年吉林省春夏期(4—7月)逐日气象站地面观测资料,以气温、气压、相对湿度、水汽压、风速为协变量,建立各站点逐日降水量的基于自组织映射神经网络(Self-Organizing Maps,SOM)的统计预测模型;分析吉林省春夏期的主要天气模态,研究逐日降水和天气模态之间的关系,并基于此关系提出逐日降水量的蒙特卡罗模拟方法。结果表明:SOM对天气模态的分型质量较好,邻近天气模态的累积概率分布较相似,距离较远的天气模态累计概率分布差异较大。各天气模态下无降水的概率与日降水量区间宽度的相关系数为-0. 94,显著性水平小于0. 01。基于降水量累积概率分布,20种天气模态被划分成4类,并与降水易发程度和逐日降水量完全对应。在此基础上,对吉林省24个站点逐日降水量进行蒙特卡罗模拟,并进行预测性能分析。平均绝对误差(Mean Absolute Error,MAE)和均方根误差(Root Mean Square Error,RM SE)的中位数分别为3. 12 mm和6. 13 mm,SBrier和Ssig分别为0. 06和0. 51,站点的逐日降水量预测性能整体较好。MAE和RMSE分布呈现东南大西北小,去除降水自然变异差异的影响,所有站点的误差都较小; SBrier和Ssig没有明显的空间分布特征。

关键词：春夏期降水自组织映射神经网络天气模态蒙特卡罗模拟

基于混合自组织映射神经网络的云南省山洪灾害危险性区划

在线全文

学校读者我要写书评

暂无评论

云南大学学报（自然科学版） 2024年第6期46卷 1067-1077页

作者：高耀陈俊旭徐佳吕丽花梁宗玲赵璐沅王子尧云南大学地球科学学院云南昆明650500 云南大学喀斯特国际联合研究中心云南昆明650500 云南省中老孟缅自然资源遥感监测国际联合实验室云南昆明650500

开展云南省山洪灾害危险性区划工作,以自组织映射神经网络为基础,混合Ward、PAM、CLARA、K-means和HK-means的5种方法进行二阶聚类,应用戴维森堡丁指数(Davies-Bouldin index,DBI)、轮廓系数(silhouette coefficient,SC)、聚类模型评估... 详细信息

开展云南省山洪灾害危险性区划工作,以自组织映射神经网络为基础,混合Ward、PAM、CLARA、K-means和HK-means的5种方法进行二阶聚类,应用戴维森堡丁指数(Davies-Bouldin index,DBI)、轮廓系数(silhouette coefficient,SC)、聚类模型评估指数(Calinski-Harabaz index,CH)确定最佳聚类方案,之后以变异系数和变异系数一阶拆分确定最佳区划数量.结果显示:①SOM(self organizing map)+CLARA(clustering LARge applications)方法通过聚类有效性检验效果最好,其DBI值为1.0、SC值为0.9、CH值为0.3334,基于该方法得到云南省山洪灾害危险性最佳聚类数为5类,呈现类别空间分离,灾害属性相似的特征;②通过变异系数(coefficient of variation,CV)值变化及变异系数一阶差分(first-order difference,FOD)最低取值确定云南省山洪灾害危险性最佳区划单元为16个,具有形状上与地貌单元相近、数量上与行政单元相同,内部灾害发生机理相似的特征;③通过山洪灾害点、降水量、高程地貌的可视化比较,地理探测器定量分析,表明区划结果有较高的区内一致性和区间异质性.

关键词：区划山洪灾害危险性两阶段混合聚类自组织映射神经网络云南省

基于改进自组织映射神经网络的信号协调控制交叉口群划分方法

在线全文

学校读者我要写书评

暂无评论

科学技术与工程 2019年第20期19卷 375-382页

作者：唐秋生黄兰敖谷昌重庆交通大学交通运输学院

针对以往研究在路段关联性判断和路网主要流向方面考虑不足,提出了一种基于改进自组织映射神经网络(self-orgnizing map,SOM)的信号协调控制交叉口群划分方法。首先,在离散性指标和阻滞性指标的基础上,考虑路网交通流运行的主路径特征... 详细信息

针对以往研究在路段关联性判断和路网主要流向方面考虑不足,提出了一种基于改进自组织映射神经网络(self-orgnizing map,SOM)的信号协调控制交叉口群划分方法。首先,在离散性指标和阻滞性指标的基础上,考虑路网交通流运行的主路径特征引入主路径指标来表征路网交叉口之间路段关联性;其次,为弥补SOM输出结果可能大于实际需求且输出无标签的不足,把SOM中激活神经元权重作为层次聚类的输入,运用层次聚类改进SOM;并根据指标与路段关联性的关系设计关联性判断准则,据此界定交叉口之间路段关联性。最后,根据最大流最小割理论识别路网瓶颈,以瓶颈为基点向外划分交叉口群;并通过算例分析得出,该方法能够有效界定交叉口路段关联性和识别路网瓶颈,对信号协调控制配时优化具有重要基础作用。

关键词：交通工程网络流理论 Dinic算法层次聚类自组织映射神经网络交叉口群

基于近红外光谱的自组织映射神经网络快速鉴别牛乳与掺假乳

在线全文

学校读者我要写书评

暂无评论

食品工业 2019年第8期40卷 188-191页

作者：荣菡甘露菁北京理工大学珠海学院材料与环境学院

基于近红外光谱结合偏最小二乘法(Partial least squares, PLS),与自组织映射(Self-organizing map, SOM)神经网络联用,构建鲜乳与掺假乳的模式识别模型。样品光谱经偏最小二乘法处理后,提取7个主成分,使用47个吸收峰数据输入网络。确... 详细信息

基于近红外光谱结合偏最小二乘法(Partial least squares, PLS),与自组织映射(Self-organizing map, SOM)神经网络联用,构建鲜乳与掺假乳的模式识别模型。样品光谱经偏最小二乘法处理后,提取7个主成分,使用47个吸收峰数据输入网络。确定竞争层结构为[20×5],训练步数300步时,网络模型性能稳定,能够同时识别分别掺有乳清粉、粉末油脂,以及两者皆有的掺假乳。网络预测结果良好,对掺有粉末油脂的掺假乳识别准确率达100%;对掺有乳清粉的掺假乳识别准确率达97.5%;对同时掺有乳清粉和粉末油脂的掺假乳识别准确率达95%。该方法可为鲜乳和掺假乳的快速鉴别方面,为乳品质量评价提供了新思路。

关键词：近红外光谱自组织映射神经网络鲜乳掺假乳

在线全文

学校读者我要写书评

暂无评论

基于自组织映射神经网络的市场清算电价预测

继电器 2005年第13期33卷 39-43页

作者：曾次玲张步涵谢培元华中科技大学电气与电子工程学院湖北武汉430074 湖南省电力调度通信中心湖南长沙410007

市场清算电价预测是电力市场中交易决策的基础。人工神经网络是电价预测较为理想的方法,但依然存在一些问题,如样本训练有时需要很长时间,存在收敛问题,特别是当样本特征量不明显的时候,这种现象更为突出。针对这一问题,利用自组织映射... 详细信息

市场清算电价预测是电力市场中交易决策的基础。人工神经网络是电价预测较为理想的方法,但依然存在一些问题,如样本训练有时需要很长时间,存在收敛问题,特别是当样本特征量不明显的时候,这种现象更为突出。针对这一问题,利用自组织映射的聚类特性将历史数据进行特征分类和筛选处理,处理后形成的新数据用于训练三层BP神经网络,仿真结果表明,经过这种数据处理后,网络的收敛速度得到了显著提高,且预测效果良好。

关键词：电力市场电价预测 BP神经网络自组织映射神经网络

基于自组织映射神经网络的东亚区大尺度环流异常及其与气候异常的关系研究

在线全文

学校读者我要写书评

暂无评论

基于自组织映射神经网络的东亚区大尺度环流异常及其与气候异常的...

作者：杨叶中国科学院大学(中国科学院烟台海岸带研究所)

学位级别：硕士

大尺度大气环流异常是导致区域极端气候的主要原因之一。对气候再分析资料进行数据挖掘和统计分析是认知大气环流特征和极端气候发生规律的重要研究方法。本文首先利用自组织映射神经网络SOM（self-organizing map）对东亚地区1979-201... 详细信息

大尺度大气环流异常是导致区域极端气候的主要原因之一。对气候再分析资料进行数据挖掘和统计分析是认知大气环流特征和极端气候发生规律的重要研究方法。本文首先利用自组织映射神经网络SOM（self-organizing map）对东亚地区1979-2017年间的异常大气环流模态进行分类。在此基础上,建立各种模态和多种气候影响因子间的对应关系,并着重分析了我国气温异常的变化趋势及其动力学机制。其次,将异常大气环流模态与东亚地区极端气温及降水事件进行关联,研究了异常大气环流与季风系统共同作用下的气候异常特征。最后,为更加深入地探索东亚地区在近40年来季均气候变化的特点及其大尺度环流条件,本文利用合成分析生成了西太平洋遥相关型WP（West Pacific Pattern）、北极涛动AO（Arctic Oscillation）及厄尔尼诺-南方涛动ENSO（El Ni?o-Southern Oscillation）正负位相时期的异常大气环流模态和海表温度距平模态,并选择受遥相关影响较大的一些区域作为研究对象,从海-气耦合作用角度探讨了遥相关型对这些区域气候变化的影响。主要结论如下:（1）SOM方法可以有效表征东亚地区典型的大尺度异常大气环流模态。（2）冬季AO会显著影响我国尤其是东北地区的气温变化。在夏季,AO的效应大幅减弱。冬季拉尼娜（La Ni?a）事件时期,我国大多数地区气温异常偏暖,而在厄尔尼诺（El Ni?o）事件时期,北方地区气温异常偏冷。夏季,ENSO和我国气温异常并不存在明显的联系。（3）将数据划分为1979-1998和1999-2017年两个时期,研究分析了极端气温事件的变化情况及其成因。结果显示,极端冷事件的减少,极端暖事件的增加主要和热力学因素有关,相反,动力学因素对这一变化的贡献微小,在某些情况下甚至起到了抑制作用。结果进一步证实了全球变暖对局域气候变化的重要性。（4）SOM的分类结果表明,在冬季,东亚地区极端降水事件的发生取决于大气水平环流及垂直环流的共同作用。在夏季,降水主要同大气垂直环流相关,其与水平环流间的关系并不显著。（5）较强的东亚冬季风EAWM（East Asian Winter Monsoon）会造成东亚地区出现大范围的冷天气,其与降水事件间的联系依赖于地理位置。而SOM方法对于东亚夏季风EASM（East Asian Summer Monsoon）强弱位相时期的大气环流形势的表征结果并不令人满意。（6）活跃的WP和AO会引发冬季东亚地区大范围的气温异常,而ENSO的作用相对较小。此外,研究还表明遥相关型对月际气温变化的效应更强,而日际气温受到局域-天气尺度环流系统和遥相关型的共同控制。

关键词：东亚气候变化大气环流模态自组织映射神经网络

基于自组织映射神经网络的子空间学习算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于自组织映射神经网络的子空间学习算法研究

作者：顾梦逸天津大学

学位级别：硕士

随着数据维度的日益增长,“维度灾难”成为许多数据挖掘任务不可避免的问题,如何有效地进行维度约减,已成为备受关注的研究问题。选择部分维度替代原始的高维空间,能够极大减少计算成本,优化算法性能。特征选择方法能够有效筛除无关或... 详细信息

随着数据维度的日益增长,“维度灾难”成为许多数据挖掘任务不可避免的问题,如何有效地进行维度约减,已成为备受关注的研究问题。选择部分维度替代原始的高维空间,能够极大减少计算成本,优化算法性能。特征选择方法能够有效筛除无关或冗余的维度,但却有信息损失的风险,无法应对特征仅对部分数据相关的问题。特征子空间学习技术能够更好的发掘和使用数据中隐藏的特征子空间结构,有效降低数据维度。本文首先综述了子空间相关的国内外研究现状,详细介绍了自组织映射神经网络。其次,提出了一种基于自组织映射神经网络的子空间聚类算法,直接在神经网络的输出层上进行搜索,先寻找每个维度中可能存在聚类的子区域,再进行合并。实验研究表明,该算法能够有效找出数据集中的子空间聚类,聚类效果优于原始自组织映射神经网络算法和其他子空间聚类算法,并对不同的数据集都有很好的适应性。然后,提出了一种基于自组织映射的子空间集成分类算法,根据自组织映射神经网络中的权重连接探索特征之间的相关关系,并据此划分子空间,再将每个子空间的输出集成得到最终的分类效果。子空间之间彼此相似度低,并为每个子空间分配独立的分类器,保证了集成的多样性。且在子空间中训练分类器,能够有效缓解高维压力,减少计算成本。实验研究表明,该算法比其他的分类算法分类效果更好,且选择的子空间比其他子空间算法更小。本文通过自组织映射神经网络的输出结果,研究数据结构和子空间分布,能够有效减少数据中噪声和离散点的干扰,降低数据维度,精确确定数据样本的特征子空间,优化分类、聚类算法性能。

关键词：自组织映射神经网络子空间聚类分类集成学习

基于自组织映射神经网络的工业控制系统欺骗攻击异常检测方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于自组织映射神经网络的工业控制系统欺骗攻击异常检测方法研究

作者：洪乾晖浙江大学

学位级别：硕士

工业控制系统（industrial control system,ICS）广泛应用于水利、交通、化工等国家关键基础设施,一旦遭到攻击,将导致严重的国家安全问题。近年来,随着万物互联理念的不断深化以及工业互联网的不断发展,工控安全事件频发,从“震网”到... 详细信息

工业控制系统（industrial control system,ICS）广泛应用于水利、交通、化工等国家关键基础设施,一旦遭到攻击,将导致严重的国家安全问题。近年来,随着万物互联理念的不断深化以及工业互联网的不断发展,工控安全事件频发,从“震网”到“乌克兰大面积停电”,再到最近的以色列VPN漏洞,病毒入侵、设备故障等异常行为对人民生命安全、社会经济发展和国家安全造成严重威胁。因此,为了保障ICS安全,研究ICS异常检测技术具有重要意义。ICS具有明显的层次结构,在众多针对ICS攻击实现手段中,面向现场设备层和现场控制层的欺骗攻击通过作用于传感器、控制器回路干扰生产过程对ICS造成直接侵害,为了能够对此类攻击导致的ICS异常进行检测,本文提出一种基于自组织映射神经网络（self organizing map,SOM）的ICS异常检测方法,具体工作如下:（1）面向现场设备层和现场控制层建立欺骗攻击通用模型。以田纳西一伊斯曼过程（Tennessee Eastman,TE）作为典型工业控制系统,对四种欺骗攻击——浪涌攻击、偏差攻击、几何攻击以及方波攻击进行建模与仿真,并分析四种攻击对系统造成的异常情况。考虑到测量噪声对模型异常检测结果带来的影响,本文引入小波去噪方法,通过实验对比分析选择合适的去噪参数对数据进行预处理,为后续异常检测研究奠定数据基础。（2）针对目前基于机器学习的异常检测算法存在人为标注样本费时费力、检测性能较差、海量数据场景下模型训练成本高昂等问题,提出一种基于SOM的异常检测方法,并以四种欺骗攻击为例展开异常检测研究。本文提出的SOM异常检测模型以无监督聚类的方式构建ICS状态模型,通过计算未知样本所属系统状态与正常状态之间差异度实现异常检测;针对无监督异常检测算法在异常样本未知场景下异常可解释性差的问题,本文提出一种基于异常贡献度的异常变量定位方法,提高了异常处理效率。此外,针对恶意攻击下,若系统异常无法及时处理或保护装置失效导致系统崩溃甚至引发灾难的问题,本文设计一种基于有监督SOM的异常响应器,通过识别异常类型、修正欺骗信号的方式实现系统防护。（3）针对SOM异常检测模型难以检测系统状态变化异常的问题,引入隐马尔科夫模型（hidden markov model,HMM）对系统动态特性进行分析,刻画系统状态变迁行为模式,实现ICS状态变化异常检测。考虑到多变量时间序列以及隐状态数目未知场景下传统HMM参数学习方法难以应用的问题,本文提出一种基于SOM的改进HMM异常检测方法,使用SOM对ICS隐状态进行估计,并在此基础上训练HMM,实现系统状态变化异常检测。

关键词：工业控制系统异常检测欺骗攻击无监督学习自组织映射神经网络隐马尔科夫模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于自组织映射神经网络的在线推荐算法研究

基于自组织映射神经网络的在线推荐算法研究

作者：周娜天津大学

学位级别：硕士

随着电子商务平台和技术的发展,可供用户选择的商品日益增多,用户面临着“信息过载”的问题。为此,许多电子商务平台都使用了推荐算法引导用户找到他们最有可能感兴趣的商品。传统的推荐算法虽然易于实现并能保证一定的推荐精度,但存在... 详细信息

随着电子商务平台和技术的发展,可供用户选择的商品日益增多,用户面临着“信息过载”的问题。为此,许多电子商务平台都使用了推荐算法引导用户找到他们最有可能感兴趣的商品。传统的推荐算法虽然易于实现并能保证一定的推荐精度,但存在一个较大的缺陷,即仅适用于静态的数据环境,算法的训练过程只能离线完成。当面对有带有少量评分的新用户、新商品进入系统的情形时,传统的推荐算法需要联合已有数据以及新用户、新商品带有的数据重新训练整个模型,才能为新用户、新商品提供相应的推荐结果。而重新训练推荐模型这一过程往往要耗费大量的时间。为此,本文提出了一种基于自组织映射神经网络的在线推荐算法。该算法面对带有少量评分的新用户、新商品进入系统的情形,无需重新训练整个模型,而仅需根据新用户、新商品带有的少量数据对模型进行在线更新,即可实时地为新用户、新商品提供较高质量的推荐结果。该算法的训练和服务由三个阶段组成,分别是聚类阶段、评分预测阶段和在线更新阶段。在其中的在线更新阶段,本文针对新用户、新商品进入两种情形分别给出相应的模型更新机制设计。为进一步提高所提出算法的推荐性能,本文做了两方面创新:一方面是在算法的在线更新阶段引入神经元权向量距离,加大了对相邻神经元的权值更新的差异度;另一方面是在算法的评分预测阶段引入商品隶属度并提出一种新的评分预测方式,即将预测对象对多个类的隶属度以及预测对象对多个类偏好值的内积作为最终的评分预测结果,实现了对新用户、新商品带有评分的充分利用。在多个真实数据集上的实验结果表明,本文提出的基于自组织映射神经网络的在线推荐算法在推荐精度方面优于已有的几种在线推荐算法,且在大多情况下都能达到与利用全部数据重新训练的静态推荐算法相近的推荐精度。

关键词：自组织映射神经网络在线更新在线推荐个性化推荐