基于附加敏感参数som神经网络的自动聚类系统的研究

基于附加敏感参数som神经网络的自动聚类系统的研究

ID:35153668

大小:569.49 KB

页数:81页

时间:2019-03-20

基于附加敏感参数som神经网络的自动聚类系统的研究_第1页
基于附加敏感参数som神经网络的自动聚类系统的研究_第2页
基于附加敏感参数som神经网络的自动聚类系统的研究_第3页
基于附加敏感参数som神经网络的自动聚类系统的研究_第4页
基于附加敏感参数som神经网络的自动聚类系统的研究_第5页
资源描述:

《基于附加敏感参数som神经网络的自动聚类系统的研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、工学硕士学位论文基于附加敏感参数SOM神经网络的自动聚类系统的研究施红鑫燕山大学2009年12月万方数据国内图书分类号:TP319.4国际图书分类号:621.3工学硕士学位论文基于附加敏感参数SOM神经网络的自动聚类系统的研究硕士研究生:施红鑫导师:唐勇教授申请学位级别:工学硕士学科、专业:计算机应用技术所在单位:信息科学与工程学院授予学位单位:燕山大学万方数据ClassifiedIndex:TP319.4U.D.C.:621.3DissertationfortheMasterDegreeinEngineeringRESEARCHONAUTOMATIC

2、CLUSTERSYSTEMOFSOMNETWORKWITHSENSITIVEPARAMETERCandidate:ShiHongXinSupervisor:Prof.TangYongAcademicDegreeAppliedfor:MasterofEngineeringSpeciality:ComputerApplicationTechnologyUniversity:YanshanUniversity万方数据燕山大学硕士学位论文原创性声明本人郑重声明:此处所提交的硕士学位论文《基于附加敏感参数SOM神经网络的自动聚类系统的研究》,是本人在导师指导下,

3、在燕山大学攻读硕士学位期间独立进行研究工作所取得的成果。据本人所知,论文中除已注明部分外不包含他人已发表或撰写过的研究成果。对本文的研究工作做出重要贡献的个人和集体,均已在文中以明确方式注明。本声明的法律结果将完全由本人承担。作者签字日期:年月日燕山大学硕士学位论文使用授权书《基于附加敏感参数SOM神经网络的自动聚类系统的研究》系本人在燕山大学攻读硕士学位期间在导师指导下完成的硕士学位论文。本论文的研究成果归燕山大学所有,本人如需发表将署名燕山大学为第一完成单位及相关人员。本人完全了解燕山大学关于保存、使用学位论文的规定,同意学校保留并向有关部门送交论

4、文的复印件和电子版本,允许论文被查阅和借阅。本人授权燕山大学,可以采用影印、缩印或其他复制手段保存论文,可以公布论文的全部或部分内容。保密□,在年解密后适用本授权书。本学位论文属于不保密□。(请在以上相应方框内打“√”)作者签名:日期:年月日导师签名:日期:年月日万方数据摘要本课题受国家自然科学基金项目(项目编号60970073)的资助,主要研究基于SOM神经网络的多维数据自动聚类算法及其应用。多维数据自动聚类作为优选动态流量软测量训练样本的主要方法,成为极具挑战的课题之一。针对动态流量软测量对自动聚类算法实时性和精确性的要求,重点研究如何提高自动聚类

5、算法的收敛速度和自动聚类质量,选题对于动态流量软测量具有十分重要的理论和现实意义。首先,针对SOM算法训练精度和收敛速度难以同时提升的问题,提出附加敏感参数的SOM算法。通过引入敏感参数,改进权值调整公式,在保证精度的同时提高收敛速度。其次,针对数据噪声干扰导致自动聚类质量差的问题,根据数据噪声呈现高斯分布的特点,采用加权平均方法构造新的阈值函数,并用小波阈值方法剔除数据噪声,减少数据噪声对自动聚类质量的影响。然后,针对淹没停止参数设置不精细导致自动聚类质量差的问题,采用值域扩大的Sigmoid函数改善淹没停止参数的精细度,防止局部极大值的分离,从而保

6、证获得较好的自动聚类质量。最后,利用MATLABR2007设计并实现自动聚类系统。实验表明,该系统使自动聚类算法的实时性和精确性得到提高。本文所提出的改进方法,取得了较好的自动聚类效果,是对优选动态流量软测量训练样本方法的有力探索,在其它的领域也有广泛的应用前景。关键词动态流量软测量;自动聚类;SOM神经网络;小波阈值;收敛速度;自动聚类质量;Sigmoid函数万方数据AbstractFundingbyfinancialsupportsfromNSFC(GrantNo60970073),automaticclusteralgorithmofSOMfor

7、multi-dimensionaldatawasmainlyresearched.Automaticclusterformulti-dimensionaldatawasthemainmethodofoptimizingdynamicflowsoftsensor.Themethordwasmainlyusedtooptimizetrainingsamples.Themethordchallengedoneofthetopicsofdynamicflowsoftsensor.Aimingatreal-timeandaccuracywasneededbydy

8、namicflowsoftsensor,improvingconvergencerateand

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。