som算法PPT课件_第1页
som算法PPT课件_第2页
som算法PPT课件_第3页
som算法PPT课件_第4页
som算法PPT课件_第5页
已阅读5页，还剩8页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、.,1,SOM算法,.,2,1.SOM算法工作原理,2.SOM算法实现的基本流程,3.SOM算法的优缺点,知识结构,.,3,1,SOM算法工作原理,1.1981年芬兰人Kohonen最早提出；,2.无监督无指导，模仿人脑神经元的相关属性,通过自身训练，自动对输入模式进行聚类；,3.输入层和输出层（竞争层）两层拓扑结构；,4.输入结点和输出神经元全连接，两层拓扑结构；输入结点的数目等同输入向量的维数，同时等同连接权向量的维数；,5.目的：把高维空间的输入数据映射到低维(通常是一维或二维)的神经元网格上,并保持原来的拓扑次序；,.,4,1,SOM算法工作原理,SOM二维网络拓扑结构图,SOM是竞争

2、式学习网络，每当一个向量被提交，具有最近权值向量的那个神经元将竞争获胜。获胜神经元及其邻域内的神经元将移动它们的权值向量从而离输入向量更近一些。权向量有两个趋势：首先，它们随着更多的输入向量被提交而分布到整个输入空间。其次，它们移向邻域内的神经元。两个趋势共同作用使神经元在那一层重新排列，从而最终输入空间得到分类。,.,5,1,SOM算法工作原理,神经元交互模式,在竞争层中，神经元的竞争是这样进行的：对于获胜的那个神经元g，在其周围Ng的区域内，神经元在不同程度上都得到了兴奋，而在Ng区域以外的神经元都得到了抑制，即“以获胜神经元为圆心，对近邻的神经元表现出兴奋性侧反馈，而对远邻的神经元表现出

3、抑制性侧反馈，近邻者相互激励，远邻者相互抑制”。整体上表现出中间强度大，两边逐渐衰减，而远离中心的受到抑制的趋势。,.,6,2,SOM算法实现的基本流程,1.初始化,2.接受输入,.,7,2,SOM算法实现的基本流程,3.寻找获胜结点,4.参数调整,.,8,2,SOM算法实现的基本流程,5.更新学习速率和领域函数,.,9,2,SOM算法实现的基本流程,6.循环学习将下一个输入模式加入到输入层，返回步骤(3)，直到所有输入模式全部学习完毕；,7.令ttl，返回步骤(2)，直至tT或网络收敛为止。,.,10,2,SOM算法实现的基本流程,SOM聚类算法实现的具体流程图,.,11,优点,缺点,3.S

4、OM算法的优缺点,1.对输入模式的自动聚类作用。2.网络结构简单，具有很好的生物神经元特征。3.容错性。4.具有特征映射的能力。5.具有可视化的优点。6.网络具有自稳定性。7.输出的排序性。8.具有自联想性。,1.聚类数目和初始网络结构固定，需要用户预先指定聚类数目和初始的权值矩阵。2.可能会出现一些始终不能获胜的“死神经元”，和一些因为经常获胜被过度利用的神经元，不能充分利用所有神经元信息而将导致影响聚类质量；3.要想往SOM网络中加入新的类别必须先完整的重新学习之后方可进行；4.数据的输入顺序会影响甚至决定了输出的结果，数据量少时尤为明显。5.连接权值初始值、计算策略、参数选择不当时会导致网络收敛时间过长，甚至难以达到收敛状态。,.,12,1.对输入空间的近似。2.拓扑排序。3.密度匹配。4.特征选择。

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论