计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2007年
4期
175-178
,共4页
独立成分分析%可视化诱导自组织映射%相关性
獨立成分分析%可視化誘導自組織映射%相關性
독립성분분석%가시화유도자조직영사%상관성
可视化诱导自组织映射(ViSOM)是一种人工神经网络模型,已经被成功应用于高维数据的可视化分析.但是,标准的ViSOM方法不仅没有考虑数据之间的相关性,而且当输出网络结点太多时,需要消耗大量运算开销;输出网络结点太少,又难以分析数据的可视化结果.为克服ViSOM的这两个弱点,本文首先在ViSOM的基础上提出了一个改进的映射算法MViSOM,接着在独立成分分析(ICA)与MViSOM的基础上提出了一个改进的高维数据可视化模型IMViSOM.论文最后通过实验说明了IMViSOM模型在对群聚数据的可视化分类效果及运算速度方面都优于ViSOM方法,从而验证了IMViSOM模型的正确性与合理性.
可視化誘導自組織映射(ViSOM)是一種人工神經網絡模型,已經被成功應用于高維數據的可視化分析.但是,標準的ViSOM方法不僅沒有攷慮數據之間的相關性,而且噹輸齣網絡結點太多時,需要消耗大量運算開銷;輸齣網絡結點太少,又難以分析數據的可視化結果.為剋服ViSOM的這兩箇弱點,本文首先在ViSOM的基礎上提齣瞭一箇改進的映射算法MViSOM,接著在獨立成分分析(ICA)與MViSOM的基礎上提齣瞭一箇改進的高維數據可視化模型IMViSOM.論文最後通過實驗說明瞭IMViSOM模型在對群聚數據的可視化分類效果及運算速度方麵都優于ViSOM方法,從而驗證瞭IMViSOM模型的正確性與閤理性.
가시화유도자조직영사(ViSOM)시일충인공신경망락모형,이경피성공응용우고유수거적가시화분석.단시,표준적ViSOM방법불부몰유고필수거지간적상관성,이차당수출망락결점태다시,수요소모대량운산개소;수출망락결점태소,우난이분석수거적가시화결과.위극복ViSOM적저량개약점,본문수선재ViSOM적기출상제출료일개개진적영사산법MViSOM,접착재독립성분분석(ICA)여MViSOM적기출상제출료일개개진적고유수거가시화모형IMViSOM.논문최후통과실험설명료IMViSOM모형재대군취수거적가시화분류효과급운산속도방면도우우ViSOM방법,종이험증료IMViSOM모형적정학성여합이성.
