自组织特征映射网络在模式分类中的应用研究

摘要：

为了研究自组织特征映射神经网络在对于二维向量进行模式分类时,网络结构的最优化问题,深入研究了SOFM神经网络的结构和算法,说明了SOFM网络的建立方法.以二维向量的模式分类为例,利用所建立的SOFM网络模型对输入的二维向量模式进行分类,研究了输出层节点形状和拓扑结构对分类结果的影响,测试了在不同的训练步数条件下,SOFM模型的权值向量的调整过程和分类效果.仿真结果表明:当网络的输出节点以二维平面形式输出时,长和宽不相等的矩形图的分类性能明显优于正方形图的分类性能,并且在输出节点形式相同的情况下,六边型拓扑结构分类精度明显优于栅格型拓扑结构的SOFM神经网络.

关键词：自组织特征映射、人工神经网络、模式分类、拓扑函数、仿真

所属期刊栏目：14

分类号：TP391.9(计算技术、计算机技术)

资助基金：国家自然科学基金61104071

在线出版日期：2014-05-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：266-269,275