SOM算法、LVQ算法及其变体综述

1.引言 SOM(Self-Organizing feature Map,简称SOM)网络是一种自组织竞争型人工神经网络,它是由著名神经网络专家T.Kohonen教授于1981年提出的,因此SOM网络又称为Kohonen Map。 SOM算法是一种非监督(unsupervised)的聚类方法,自20年前该算法提出至今,很多研究者围绕该算法在模式识别,信号处理,数据挖掘等理论和应用领域做了大量工作,并且取得了大量研究成果。这些成果的取得很大程度上归功于SOM算法本身的简明性和实用性。     

GHSOM在遥感图像分割中的应用

提出一种基于自组织增长分级神经网络（Growing Hierarchical Self-Organizing Map ,GHSOM）的遥感图像分类方法。首先详细分析了GHSOM方法的基本原理和算法,然后成功将其应用于遥感图像分类。实验结果表明了GHSOM通过分级的分类方法有效解决了SOM分类中的混分问题,大大提高了分类精度和效率,是一种新的有效的无监督遥感图像分类方法。     

基于改进的GHSOM网络预测客户欺诈行为

生长、分级的自组织映射(Growing Hierarchical Self-Organizing Map,GHSOM)网络是自组织映射(Self-Organizing Map,SOM)网络的一种变体,它不仅具备了SOM网络可解释性强的优点,同时采用多层分级的结构,不需要预先定义好网络的结构和尺寸,解决了SOM由于竞争层神经元过多造成的训练时间过长的问题,却忽略了对样本向量各个分量在模型中重要性的分析,因此将一种新的输入模式分量和映射单元权向量之间的灰关联度引入到网络权值的调整过程中,对GHSOM算法进行了改进。运用于对电信客户行为的分类,从中获取了预测欺诈客户的关键指标,大大降低了输入样本的维度。结果显示,采用改进后的GHSOM算法降维后,分类正确率仍然可以达到94.59%。     

一种改进SOM的双目视觉特征点快速匹配方法

针对未知非结构化室内环境中双目视觉机器人路标特征匹配的问题进行了研究,提出了基于改进自组织映射网络(Self-Organizing Map,SOM)的双目视觉特征点快速匹配方法。对双目视觉获取的环境图像提取SIFT特征向量作为改进SOM的输入,利用获胜者计算技术完成对输入SIFT特征点的快速匹配,SOM竞争学习过程中用街区距离与棋盘距离的线性组合作为相似性度量函数。实验结果表明,所提方法在路标特征匹配的时间和效果上优于传统SIFT和SURF特征匹配的方法,且能满足实时性要求。     

用SOM网络从移动通信数据中识别相似个体

从移动电话通信数据中挖掘用户有用信息,被认为是富有研究价值的一项工作。利用从94个Nokia 6600用户中收集的实际通信记录,根据用户的通信统计情况,结合用户的调查数据,形成能被SOM网络接受的训练数据集。在此基础上,给出了基于SOM (Self-Organizing Map)的相似个体识识别系统SSRS ( Similary Subject Recognition System),该系统在训练好的SOM网络支持下,能够对群体中的个体进行有效分类,从而为预测个体将来行为莫定基础。     

在数据挖掘中基于SOM网络的数据分析可视化设计

阐述了SOM（Self-Organizing Map)自组织神经网络和Davies-Bouldin聚类判定法，采用SOM网络构建了数据挖掘中数据模型，设计了SOM网络数据分析可视化软件，并进行了详细的可视化数据分析，同时，设计的软件已经初步应用到数据挖掘当中，取得了良好的效果。     

半监督文本分类综述

文本分类是人们日常工作中经常遇到的问题,也是机器学习的重要研究内容.半监督学习算法同时考虑有标记和无标记数据,能显著提升学习效果.给出了文本分类的定义和特点,介绍了传统的监督学习分类算法和评价指标,对半监督文本分类的特点和基础理论进行了分析,并具体介绍了一些半监督文本分类算法,如贝叶斯方法和正则化方法.     

一种协同半监督分类算法Co-S3OM

为了提高半监督分类的有效性, 提出了一种基于SOM神经网络和协同训练的半监督分类算法Co-S3OM (coordination semi-supervised SOM)。将有限的有标记样本分为无重复的三个均等的训练集, 分别使用改进的监督SSOM算法(supervised SOM)训练三个单分类器, 通过三个单分类器共同投票的方法挖掘未标记样本中的隐含信息, 扩大有标记样本的数量, 依次扩充单分类器训练集, 生成最终的分类器。最后选取UCI数据集进行实验, 结果表明Co-S3OM具有较高的标记率和分类率。     

基于SOM的电子商务中交易数据库二次聚类算法

研究了一种基于自组织映射（Self-Organizing Map,SOM）神经网络的交易数据库聚类方法,该方法首先对数据库中的数据项进行SOM训练学习产生初步的聚类结果,然后对第一次获得的聚类结果进行二次聚类,与直接聚类方．岳相比,该方法提高了聚类的效率,减少了计算时间。     

基于SOM神经网络的移动客户细分研究

利用基于RFM模型的自组织特征映射神经网络(Self-Organizing Feature Map,SOM)对移动客户进行细分,可以有效地解决各类别特征不明显、特征参数相互交错、非线性分布的类型识别问题。研究过程中将客户的属性划分为近度、频度、值度三个指标,模拟专家分类的功能,根据各个客户簇的特征进一步分析客户的终身价值,量化分析客户的重要性。最后利用相关的市场营销知识对各个客户类别提出相应的营销策略方案。     

MONITORING BEHAVIOR WITH AN ARRAY OF SENSORS

The objective is to detect activities taking place in a home and to create a model of behavior for the occupant. A behavior is a pattern in the sequence of activities. An array of sensors captures the status of appliances. Models for the occupant's activities are built from the captured data using supervised and unsupervised learning techniques. The models of behavior are built using the hidden Markov model (HMM) technique. Predictive models can be used in a number of ways: to enhance user experience, to maximize resource usage efficiency, for safety and security. This work focuses on supporting independent living and enhancing quality of life of older persons. The ultimate goal is for the system to distinguish between normal and anomalous behavior. In this paper, we present the results of comparing supervised and unsupervised classification techniques applied to the problem of modeling activity for the purpose of modeling behavior in a home.     

类比转换原理及其实现

类比转换完成将已知情况（称基）的知识引入到相似新情况（称靶），从而求解靶或学习到关于靶的新知识．本文的类比转换原理讨论了如何选择最佳映射，怎样在靶中创建对象和谓词，以及转换基中那些命题到靶．并基于该原理设计了类比转换的计算模型，实现了类比转换器ＡＴＥ．实例分析表明ＡＴＥ生成的类比结论既具创造性，又有较高可信度．     

增量式IHMCAP算法的研究及其应用

增量式ＩＨＭＣＡＰ算法采用适用于混合型学习的ＦＴＡＲＴ神经网络，成功解决了符号学习与神经网络学习精度之间的均衡性问题。该算法还具有较强的增量学习能力，在给系统增加新的示例时，不用重新生成已有判定树和神经网络，只需进行一遍增量学习即可调整原结构以提高学习精度，效率高，速度快。     

影文语言学习系统的设计与实现

针对目前语言学习辅助系统的不足，影文学习系统使用电影等多媒体素材，创造性地实现语境仿真和影文辞典能力，结合记忆规律和网络的交互式远程学习功能，构建一个综合的外语学习环境，训练学生对语言的直接理解能力，从而快速提高语言应用能力。     

递归逻辑程序的强构造分层学习算法及其实现

本文提出了一种逻辑程序的强构造分层学习算法用该算法解决了一类递归逻辑程序的强构造二层学问题，为强的构造学习研究提供了一个新的思路，并就有关问题进行了详细的讨论。     

基于Agent系统再励学习的应用

本文介绍了Agent组织规则及再励学习的理论,给出了一种基于再励学习的Agem组织规则生成机制和相应的算法。从而得出结论：Agent组织规则在求解过程中起着重要的作用,可以有效地减少冲突,提高求解效率。     

一类递归逻辑程序的强构造学习

定义了一类强构造学习问题ＥＲＰ;探讨了以数据驱动方式提高强构造学习系统效率的途径,特别是学习系统的主动采样方式与系统性能的关系;给出了一个效率较高、输入条件基本实用的ＥＲＰ（１）学习算法,该算法原则上可推广到任意ｎ〉１的ＥＲＰ（ｎ）问题。．     

基于深度主动学习的柬语单文档抽取式摘要方法

深层神经网络在文档摘要方面取得了很好的效果,其优势只有在大数据集下才能显示出来。为了解决在使用深度学习做柬语单文档抽取式摘要时语料标注不足的问题,提出一种将主动学习和深度学习相结合的方法。利用主动学习抽样策略选择出定量的文档,通过专家标注,结合深度学习中编码器解码器模型进行训练模型抽取得到摘要。实验结果表明,在训练语料显著标注不足的情况下,该方法能够有效地提升柬语单文档摘要的质量。     

概念形成学习系统中数值属性的表示与聚类

本文在对ＣＯＢＷＥＢ、ＣＬＡＳＳＩＴ等概念聚类系统研究的基础上，提出了一种用数值属性的聚类分划来表示数值属性的方法．这种表示的核心是基于数值属性的取值分布．对于在这种表示下数值属性聚类的相关问题及性质，本文进行了较为详细的讨论．在此基础上，本文给出了一个能统一处理数值属性和符号属性的聚类评价函数．一个基于聚类分划表示方法的概念形成学习系统ＣＦＬＳ（ｃｏｎｃｅｐｔｆｏｒｍａｔｉｏｎｌｅａｒｎｉｎｇｓｙｓｔｅｍ）已在微机上实现，并被应用于地质学领域的三叶虫分类问题．本文对ＣＦＬＳ的设计和实现进行了介绍.     

异地计算机教学与训练系统的结构模型研究

异地计算机教学与训练系统就是利用计算机网络环境，向分布在异地的授课者和学习者提供一种模拟面对面教学和训练的虚拟环境。