计算机工程与设计
計算機工程與設計
계산궤공정여설계
COMPUTER ENGINEERING AND DESIGN
2009年
2期
388-391
,共4页
尹汪宏%李朝峰%张俊本%王正友
尹汪宏%李朝峰%張俊本%王正友
윤왕굉%리조봉%장준본%왕정우
混合核函数%自组织映射%神经网络%模式分类%自组织神经网络
混閤覈函數%自組織映射%神經網絡%模式分類%自組織神經網絡
혼합핵함수%자조직영사%신경망락%모식분류%자조직신경망락
自组织神经网络SOM作为一种无监督学习的竞争式网络,已经得到了广泛的应用,它通过对输入信号的竞争学习,将样本划为不同的类别,但其分类效果常很难令人满意.提出了一种基于混合核函数的SOM神经网络改进方法,并和传统的SOM网络进行了对比,Iris数据和Wine数据的分类实验表明,该方法可以明显改进SOM网络的分类效果.然后对某地Landsat卫星遥感图像数据进行分类实验,实验结果表明,与传统的SOM网络、基于多项式核的SOM网络以及基于RBF核的SOM网络相比较,基于混合核函数的SOM神经网络方法的分类效果有较明显的提高.
自組織神經網絡SOM作為一種無鑑督學習的競爭式網絡,已經得到瞭廣汎的應用,它通過對輸入信號的競爭學習,將樣本劃為不同的類彆,但其分類效果常很難令人滿意.提齣瞭一種基于混閤覈函數的SOM神經網絡改進方法,併和傳統的SOM網絡進行瞭對比,Iris數據和Wine數據的分類實驗錶明,該方法可以明顯改進SOM網絡的分類效果.然後對某地Landsat衛星遙感圖像數據進行分類實驗,實驗結果錶明,與傳統的SOM網絡、基于多項式覈的SOM網絡以及基于RBF覈的SOM網絡相比較,基于混閤覈函數的SOM神經網絡方法的分類效果有較明顯的提高.
자조직신경망락SOM작위일충무감독학습적경쟁식망락,이경득도료엄범적응용,타통과대수입신호적경쟁학습,장양본화위불동적유별,단기분류효과상흔난령인만의.제출료일충기우혼합핵함수적SOM신경망락개진방법,병화전통적SOM망락진행료대비,Iris수거화Wine수거적분류실험표명,해방법가이명현개진SOM망락적분류효과.연후대모지Landsat위성요감도상수거진행분류실험,실험결과표명,여전통적SOM망락、기우다항식핵적SOM망락이급기우RBF핵적SOM망락상비교,기우혼합핵함수적SOM신경망락방법적분류효과유교명현적제고.
