Kohonen Self Organize Maps

Kohonen Self Organize Maps(SOM) 是其中一种神经网络的方法，用于聚类分析，它通过自相竞争(Self-competition)的方式实现聚类过程，对于每个维度赋予权重，通过多次迭代，最终达到收敛。SOM能够自动确定K值，因此不需要像K-means一样事先确定K。一般来说，SOM对维度高的数据集表现更好。

SOM映射高纬度的数据集到低纬度空间中，因此可以用于降低维度。

SOM实现步骤如下：

1.设立神经元网格和初始参数

2.选择随机的input

3.神经元之间进行竞争

4.调整input以及权重

5.重复上述步骤直至达到收敛

优点：

1.可以在一开始通过调整参数优化学习速度

2.不需要事先确定K值

3.可以降低维度

缺点：对初始参数比较敏感，初始参数的好坏直接影响收敛速度

上图是SOM收敛过程的简单示意图，红色点为输入数据，绿色和蓝色正方形是两个神经元，通过不断迭代计算，两个神经元竞争得到数据点，最后达到收敛，从而实现分类。也有可能有一些神经元连一个数据点都竞争不到(图中没有显示，可以想象成图中有另外其他颜色的正方形神经元，但是并没有点向其靠拢)。

Kohonen Self Organize Maps相关推荐

【进阶数据挖掘技术】进阶数据挖掘技术介绍
数据挖掘技术的功能分类描述性的数据挖掘(Descriptive Data Mining(Unsupervised Learning无监督学习,不需要目标值)) Association Rules(关 ...
Self Ogannizing Maps（SOM）自组织映射
原文链接: Self Organizing Maps (SOM): 一种基于神经网络的聚类算法 - leavingseason - 博客园 https://www.cnblogs.com/sylvan ...
Self Organizing Maps (SOM): 一种基于神经网络的聚类算法
转自:https://www.cnblogs.com/sylvanas2012/p/5117056.html 自组织映射神经网络, 即Self Organizing Maps (SOM), 可以对数据 ...
谷歌maps菜单语言设置_Google Maps：拯救未来之路— UX案例研究
谷歌maps菜单语言设置 I have a lousy sense of direction, so Google Maps has always been my right-hand app. On ...
kohonen | SOM：自组织映射聚类法（1）
自组织映射(Self-Organizing Maps, SOM)是一种神经网络算法,可以用于聚类分析,由芬兰学者Kohonen提出,在R语言中对应的工具包是kohonen. 最初看到这种方法,是在In ...
SOM网络（Kohonen自组织网络）学习第三篇
SOM算法学习自组织映射算法是一种无监督学习方法,具有良好的自组织.可视化等特性,已经得到了广泛的应用和研究.作为一种聚类和高维可视化的无监督学习算法,是通过模拟人脑对信号处理得到的一种人工神经网络. ...
Self-organizing Maps及其改进算法Neural gas聚类在异常进程事件识别可行性初探
catalogue 1. SOM简介2. SOM模型在应用中的设计细节3. SOM功能分析4. Self-Organizing Maps with TensorFlow5. SOM在异常进程事件中自动 ...
学习使用Bing Maps Silverlight Control（五）：离线使用和自定义地图模式
6 离线使用在笔记第一部分的时候就提到如果要使用Bing Maps Silverlight Control 进行开发,需要申请一个key,不让会显示一个错误提示出来.但是在实际开发或使用过程中,使用 ...
linux proc/xx/maps文件分析
转载:https://blog.csdn.net/lijzheng/article/details/23618365 Proc/pid/maps显示进程映射了的内存区域和访问权限.对应内核中的操作集为 ...

Kohonen Self Organize Maps

Kohonen Self Organize Maps相关推荐

最新文章

热门文章