Kohonen算法实现自组织特征映射神经网络

《Kohonen算法实现自组织特征映射神经网络》由会员分享，可在线阅读，更多相关《Kohonen算法实现自组织特征映射神经网络（3页珍藏版）》请在金锄头文库上搜索。

1、Kohonen算法实现自组织特征映射神经网络Kohonen算法实现自组织特征映射神经网络2010-12-2314:28设有现有一个样本数据集，含有4个模式类，各个类别含有5个数据，每个数据是一个二维向量x,y。则需要设定4个输出层神经元来构建SOM网络，由于输入数据是二维的向量，所以输入层神经元有2个。为了使SOM网络的设计和实行过程在作图中清晰可见，对输入的样本数据集均进行归一化处理。：A=0.87760.47940.85250.52270.82530.56460.79610.60520.76480.6442：B=-0.66630.7457-0.70270.7115-0.73740.6755

2、-0.77020.6378-0.80110.5985C=-0.5748-0.8183-0.5332-0.8460-0.4903-0.8716-0.4461-0.8950-0.4008-0.9162：D=0.9602-0.27940.9729-0.23110.9833-0.18220.9911-0.13280.9965-0.0831第一步：设定初始初始权值w，暂时设定为位于极坐标0，90，180，270角处的四个单位向量；设定初始学习率rate1max和学习率最小值rate1min；设定初始领域半径r1max和领域半径截止值r1min；设定输出层神经元个数为4。第二步：输入新的模式向量X，即输入以上四类数据样本集A,B,C,D为X。接着开始Kohonen算法的迭代运算过程，求解最佳权值w即聚类中心第三步：每次计算输入模式到输出神经元之间的距离之前，对学习率和领域半径均进行自适应修改。随机抽取一个输入模式x，计算x与神经元之间的欧氏距离。第四步：选取距离最小的神经元节点为最优神经元。第五步：在规定的领域范围类对神经元的权值w按照公式进行修改。第六步：查看迭代次数是否终止，否则继续执行第三步。是则得到最佳权值即聚类中心w。