神经网络聚类方法：SOM算法原理

一个神经网络接收外界输入模式时，将会分为不同的对应区域，各区域对输入模式有不同的响应特征，而这个过程是自动完成的。其特点与人脑的自组织特性类似。SOM的目标是用低维（通常是二维或三维）目标空间的点来表示高维空间中的所有点，尽可能地保持点间的距离和邻近关系（拓扑关系）。

自组织神经网络：是无导师学习网络。它通过自动寻找样本中的内在规律和本质属性，自组织，自适应地改变网络参数与结构。

结构：

SOM为层次型结构。典型结构是：输入层加竞争层

输入层：接收外界信息，将输入模式向竞争层传递，起“观察”作用

竞争层：负责对输入模式进行“分析比较”，寻找规律并归类。

竞争学习规则就是从神经元细胞的侧抑制现象获得的，它的学习步骤如下:

(1)向量归一化

对自组织网络中的当前输入模式向量X、竞争层中各神经元对应的内星权向量，全部进行归一化处理,得到和

，

（2）寻找获胜神经元

将与竞争层所有神经元对应的内星权向量(j = 1,2,...,m)进行相似性对比。最相似的神经元获胜，权向量为.

（3）网络输出与权调整

按WTA学习法则，获胜神经元输出为“1”，其余为0，即

只有获胜神经元才有权调整其权向量，其权向量学习调整如下：

为学习效率，一般随着学习多维进展而减少，即调整的程度越来越小，趋于聚类中心。

（4）重新归一化处理

归一化后的权向量经过调整后，得到的新向量不再是单位向量，因此要对学习调整后的向量重新归一化，循环运算，直到学习率衰减到0.

SOM算法原理：

SOM人工神经网络是一个可以在一维或二维的处理单元阵列上，形成输入信号的特征拓扑分布，结构如图一所示。网络模拟了人类大脑神经网络自组织特征映射的功能。该网络由输入层和输出层组成，其中输入层的神经元个数的选取按输入网络的向量个数而定，输入神经元为一维矩阵，接收网络的输入信号，输出层则是由神经元按一定的方式排列成一个二维节点矩阵。输入层的神经元与输出层的神经元通过权值相互联结在一起。当网络接收到外部的输入信号以后，输出层的某个神经元便会兴奋起来.

SOM神经网络模型

优点：它将相邻关系强加在簇质心上，所以，互为邻居的簇之间比非邻居的簇之间更相关。这种联系有利于聚类结果的解释和可视化。

缺点：（1）用户必选选择参数、邻域函数、网格类型和质心个数

（2）一个SOM簇通常并不对应单个自然簇、可能有自然簇的合并和分裂。

（3）缺乏具体的目标函数

（4）SOM不保证收敛，尽管实际中它通常收敛

SOM的应用：

（1）汽轮发电机多故障诊断的SOM神经网络方法

（2）基于SOM神经网络的柴油机故障诊断

神经网络聚类方法：SOM算法原理相关推荐

聚类之 FCM 算法原理及应用（Java可视化实现）
模糊 C 均值(Fuzzy C-means)算法简称 FCM 算法,是一种基于目标函数的模糊聚类算法,主要用于数据的聚类分析. 限于篇幅和数学公式的表达,笔者誊写了一篇文档用于介绍FCM的数学推导,这 ...
密度聚类之DBSCAN算法原理
DBSCAN(Density-Based Spatial Clustering of Applications with Noise,具有噪声的基于密度的聚类方法)是一种很典型的密度聚类算法,和K-M ...
【数据挖掘】基于划分的聚类方法 ( K-Means 算法简介 | K-Means 算法步骤 | K-Means 图示 )
文章目录一. 基于划分的聚类方法二. K-Means 算法简介三. K-Means 算法步骤四. K-Means 方法的评分函数五. K-Means 算法图示一. 基于划分的聚类方法 ...
K-means聚类、KNN算法原理
1 K-means,k均值算法来实现聚类 K-means是一个将数据集分成 K 个类(簇)的聚类算法,类内距离中心点最小,类间中心点距离最大. 1)先随机选取k个中心点 2)遍历所有数据,将每个数据 ...
自组织神经网络SOM算法对Iris数据集进行聚类的matlab实现
SOM算法原理 SOM算法是一种将高维数据通过两层神经网络(输入层和竞争层)映射至用户定义的拓扑结构中,一般常用2D矩阵拓扑结构.下图是对SOM的形象展示: 所以算法一般分为以下几步: 第一:用户自定 ...
机器学习-聚类之K均值(K-means)算法原理及实战
K-means算法前言机器学习方法主要分为监督学习和非监督学习两种.监督学习方法是在样本标签类别已知的情况下进行的,可以统计出各类样本的概率分布.特征空间分布区域等描述量,然后利用这些参数进行分类 ...
深度学习分析--TextCNN算法原理及分类实现
深度学习算法背景人工智能发展历史随着算力提高以及深度学习的应用,近几年算法发展很快应用场景计算机视觉用于车牌识别和面部识别等的应用. 信息检索用于诸如搜索引擎的应用 - 包括文本搜索和图像 ...
统计学习方法笔记(一)-k近邻算法原理及python实现
k近邻法 k近邻算法算法原理距离度量距离度量python实现 k近邻算法实现案例地址 k近邻算法 kkk近邻法(kkk-NN)是一种基本分类和回归方法. 算法原理输入:训练集 T={(x1, ...
密度聚类（CFDP）原理与实现
密度聚类,也被称为CFDP(Clustering by fast search and find of density peaksd). 密度聚类的作用和Kmeans聚类差不多,可以将一堆数据分成若干 ...

神经网络聚类方法：SOM算法原理

神经网络聚类方法：SOM算法原理相关推荐

最新文章

热门文章