排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
自组织映射SOM(self-organizing map)具有拓扑关系保持的优良性能,可应用于降维可视化。该文基于SOM实现暂态稳定评估结果的可视化。采用经典的SOM算法分别对原始特征和特征选取后的IEEE16机暂态稳定分类数据进行可视化,表明了可视化的可行性以及特征选取的重要性。采用一种改进的SOM算法—DPSOM算法,提高了可视化的性能,得到了满意的暂态稳定评估分类可视化结果。 相似文献
2.
一种新的基于SOM的数据可视化算法 总被引:1,自引:0,他引:1
SOM(self—organizing map)所具有的拓扑保持特性使之可用来对高维数据进行低维展现,但由于数据间的距离信息在映射到低维空间中固定有序的神经元上时被丢掉了,因此数据的结构通常是被扭曲了的.为了更自然地展现数据的结构,提出了一种新的基于SOM的数据可视化算法——DPSOM(distance-preserving SOM),它能够按照相应的距离信息对神经元的位置进行自适应调节,从而实现了对数据间距离信息的直观展现,特别地,该算法还能自动避免神经元的过度收缩问题,从而极大地提高了算法的可控性和数据可视化的质量. 相似文献
3.
自组织映射SOM(self-organizing map)具有拓扑关系保持的优良性能,可应用于降维可视化.该文基于SOM实现暂态稳定评估结果的可视化.采用经典的SOM算法分别对原始特征和特征选取后的IEEE16机暂态稳定分类数据进行可视化,表明了可视化的可行性以及特征选取的重要性.采用一种改进的SOM算法-DPSOM算法,提高了可视化的性能,得到了满意的暂态稳定评估分类可视化结果. 相似文献
1