络的分类精度,表明PSO-SOM算法用于数据的分类判别是切实有效的。 关键词自组织映射网络,微粒群算法,分类判别,基因表达数据 0引言 自组织映射(seif-organzngmap,SOM)网络是由 芬兰赫尔辛基大学神经网络专家Kohonen教授在 1981年提出的竞争式神经网络,它模拟大脑神经系 ...
(PSO-SOM)算法,利用PSO算法优化SOM网络的初始权矢量,进而 进行分类.将提出的 方法用于基因表达数据的分类判别中,使得SOM网络的误差平方和 大大下降,提高了网 络的分类精度,表明PSO.SOM算法用于数据的分类判别是切实有效 的. 关键词自组织映射网络,微粒群算法,分类判别,基因表达数据 ...
摘要: 针对网络初始权矢量选取的不确定性问题,提出了粒子群优化-自组织映射(PSO-SOM)算法,利用PSO算法优化SOM网络的初始权矢量,进而进行分类.将提出的方法用于基因表达数据的分类判别中,使得SOM网络的误差平方和大大下降,提高了网络的分类精度,表明PSO-SOM算法用于数据的分类判别是切实有效的.关键词:...
以DBSCAN算法筛选故障诊断敏感特征,构建诊断敏感特征集.以粒子群优化算法(Particle swarm optimization,PSO)调整SOM网络权值修改规则从而避免网络出现"死神经元",设计PSO-SOM网络故障分类器并完成待测样本分类诊断.实验表明,该方法在训练样本较少的情况下,能判断道岔控制电路故障模式.与传统SOM网络相比,其故障诊断准确率更...
基于SOM和PSO的聚类算法研究的中期报告中期报告一、研究背景在机器学习领域中,聚类是一种常见的数据分析技术,可以将数据集合分成数个类别。聚类算法能够自动发现数据中的模式和特征,因此在机器学习和数据挖掘中具有重要的应用价值。目前,基于神经网络的聚类算法和遗传算法与粒子群算法相结合的聚类算法都取得了不错的效果,...
针对网络初始权矢量选取的不确定性问题,提出了粒子群优化-自组织映射(PSO-SOM)算法,利用PSO算法优化SOM网络的初始权矢量,进而进行分类.将提出的方法用于基因表达数据的分类判别中,使得SOM网络的误差平方和大大下降,提高了网络的分类精度,表明PSO-SOM算法用于数据的分类判别是切实有效的. 著录项 来源 《高技术通...
2.5 自自组织神经网络(SOM) 其他结果就不一一展示。 部分代码: data = read_tsp('data/st70.tsp') data = np.array(data) plt.suptitle('PSO in st70.tsp') data = data[:, 1:] plt.subplot(2, 2, 1) plt.title('raw data') # 加上一行因为会回到起点 show_data = np.vstack([data, data...
聚类的精确度也有待于进一步提高的问题.本文通过对现有一些SOM和PSO的改进算法进行研究,提出了三种改进方案:一是提出了用局部样本中心初始化神经元权值的方法,改进了SOM算法;二是将收缩因子和淘汰最差粒子的策略应用到PSO聚类算法之中,改进了PSO聚类算法;三是将SOM算法与改进的PSO算法进行有机结合,提出了SOM/PSO聚类...
地震相分析技术是储层预测的一种重要方法,可以用来描述有利沉积相带的分布规律.传统的地震相聚类分析方法对大数据的处理运算速度较慢,且容易陷入局部极小值,造成聚类分析的结构不准确.本文提出基于自组织神经网络(SOM)和粒子群优化方法(PSO)相结合的地震相分析技术,利用自组织神经网络能够保持原始地震数据的拓扑结构特性...
复现了一些TSP问题的相关算法,对TSP数据集st70.tsp进行了测试,并对此测试数据调整了参数,开箱即用。 Algorithms 动态规划(DP) 遗传算法(GA) 粒子群算法(PSO) 模拟退火算法(SA) 蚁群算法(ACO) 自适应神经网络(SOM) 禁忌搜索算法(TS) 指针网络(Pointer-network)[pytorch版本复现] Tips 遗传算法核心要素:父代集合...