基于生长的自组织映射的数据挖掘

在数据挖掘应用中,基于自生成神经网络的方法被认为是比基于固定网络方法更好的一种替代方法。介绍了自组织映射(SOM)算法和生长的自组织映射(GSOM)模型,证明了GSOM的功能可以扩展成最近原型分类,并给出了其在数据挖掘中的一个应用。     

自组织特征映射网络在故障诊断中的应用

运用自组织特征映射神经网络的工作原理和具体实现算法进行故障诊断分析,在对已有神经网络聚类分析方法概括和总结的基础上,结合实验数据、仿真数据对自组织特征映射算法故障模型诊断进行研究,得出了有意义的结论.     

粗糙自组织映射在基因表达数据分析中的应用

本文利用粗糙集与布尔逻辑离散约简算法改进了粗糙自组织映射算法,并应用于基因表达数据的分析中.算法改进了传统自组织映射收敛慢、网络规模难以确定的缺点,减小了网络规模不确定对分类效果的影响.使用酵母茵基因表达数据进行实验,得到了较好的网络质量、网络规模和分类效果,相比传统自组织映射使分类正确率提高了10.15%.     

基于自组织映射神经网络的局部自回归方法在网络流量预测中的应用

针对网络流量预测,提出一类基于自组织映射（self-organizing map,SOM）神经网络的局部自回归（auto-regressive,AR）方法．根据SOM的联想记忆在时域的推广,在矢量量化临时联想记忆（vector-quantized temporal association memory,VQTAM）建模技术的基础上,给出具有多个局部线性AR模型的AR-SOM方法,基于前K个获胜神经元用权值代替输入向量建立单一时变局部AR模型的K-SOM方法,以及在完成数据向量聚类的同时,更新多个局部AR模型系数的LLM（local linear map）-SOM方法．相对于全局模型,基于SOM神经网络的局部AR方法能够灵活给出有效的监督神经结构,降低了计算复杂度．将本文方法应用于不同的网络流量预测实例中,并与现有方法相比,实验结果表明所提出的方法能有效地改善预测精度,且性能更好．     

自组织映射在Web结构挖掘中的应用

该文讨论了用自组织映射进行Web结构挖掘的基本方法。用SOM可直观地表示数据的相似性和进行分类,还可方便地进行数据聚簇分析,并可在Web挖掘中找到权威页面等有用信息。     

基于多维自组织特征映射的聚类算法研究

作为神经网络的一种方法,自组织特征映射在数据挖掘、模式分类和机器学习中得到了广泛应用.本文详细讨论了自组织特征映射的聚类算法的工作原理和具体实现算法.通过系统仿真实验分析,SOFMF算法很好地克服了许多聚类算法存在的问题,在时间复杂度上具有良好的性能.     

自组织映射网络及其在化学化工领域中的应用进展

讨论了自组织映射网络（Self-organizing map,SOM）的发展与应用进展情况。首先介绍了自组织映射网络的产生、发展概况,网络的原理、基本结构和算法,网络的应用现状以及最新的研究进展情况。基本的自组织映射算法在实际应用中存在着一定的缺陷,对此着重介绍了近年来自组织映射网络的各种改进方案,以及目前在化学化工领域中的应用情况。最后提出了自组织映射网络研究中仍然存在的问题,并对其在化学化工领域中的应用发展前景做了展望。     

Kohonen自组织特征映射模型的推广

基于拓扑特征保持的观点,对Kohonen自组织特征映射模型进行了推广和理论分析.实验结果表明,采用推广后的模型,能够使自组织特征映射更好地保持特征空间的拓扑性质,从而达到更好的应用效果.     

基于模糊自组织映射神经网络的故障诊断方法

在研究Kohonen自组织映射网络理论的基础上运用模糊理论方法建立了刹车系统模糊故障诊断模型。该模型只需选择足够的具有代表性的故障样本训练神经网络，将代表故障的信息输入给训练好的神经网络，根据神经网络的输出结果，就可以判断发生故障的类型。该模型除能识别已训练过的故障，还能识别未训练过的故障，并且聚类能力强、速度快，因此很符合复杂系统的故障诊断。     

基于部分失真搜索的自组织映射学习算法

针对传统的自组织映射网络在大数据量或高维情形下训练过程较慢的问题,提出了分别使用部分失真搜索和扩展的部分失真搜索来完成传统算法中最耗时的最近邻搜索过程,减少了完成训练所需乘法次数。实验表明,相对于传统的自组织映射学习算法,所提两种方法分别可以节约近1/3和1/2以上的计算量。     

Websom for Textual Data Mining

New methods that are user-friendly and efficient are needed for guidanceamong the masses of textual information available in the Internet and theWorld Wide Web. We have developed a method and a tool called the WEBSOMwhich utilizes the self-organizing map algorithm (SOM) for organizing largecollections of text documents onto visual document maps. The approach toprocessing text is statistically oriented, computationally feasible, andscalable – over a million text documents have been ordered on a single map.In the article we consider different kinds of information needs and tasksregarding organizing, visualizing, searching, categorizing and filteringtextual data. Furthermore, we discuss and illustrate with examples howdocument maps can aid in these situations. An example is presented wherea document map is utilized as a tool for visualizing and filtering a stream ofincoming electronic mail messages.     

过程数据挖掘及进展

工业过程已是一个海量的数据源,需要从中提取知识以支持过程优化。分析了工业过程数据的特点,将数据挖掘的思想引入生产过程优化中,提出了工业过程数据挖掘的概念,即是一个不依赖精确的数学模型,而自动或半自动地从工业过程数据中提取有用的知识,以支持过程变量预报、过程优化及过程故障诊断的特殊数据处理过程。总结了过程数据挖掘在过程变量预报、过程监视与优化及过程故障诊断中的研究进展,得出过程数据挖掘应在算法的设计、商业软件的开发及过程数据仓库与过程数据挖掘的集成三方面开展创新工作的结论。     

A flexible multi-layer self-organizing map for generic processing of tree-structured data

A new multi-layer self-organizing map (MLSOM) is proposed for unsupervised processing tree-structured data. The MLSOM is an improved self-organizing map for handling structured data. By introducing multiple SOM layers, the MLSOM can overcome the computational speed and visualization problems of SOM for structured data (SOM-SD). Node data in different levels of a tree are processed in different layers of the MLSOM. Root nodes are dedicatedly processed on the top SOM layer enabling the MLSOM a better utilization of SOM map compared with the SOM-SD. Thus, the MLSOM exhibits better data organization, clustering, visualization, and classification results of tree-structured data. Experimental results on three different data sets demonstrate that the proposed MLSOM approach can be more efficient and effective than the SOM-SD.     

基于SOM的散乱数据点集的B样条曲面重建

利用自组织映射神经网络(SOM)技术对散乱数据点集进行B样条曲面重建时,往往存在网络学习时间过长和学习效果不理想等问题。提出了一种新的神经元初始化方法和分块学习算法,该算法首先运用主元素分析方法(PCA)对散乱数据进行分块,将拓扑结构为四边形的输出层神经元初始化在每块散乱数据的最小二乘平面上进行网络学习和训练,将分块学习得到的各网格曲面拼接成一个整体;然后对该整体网格曲面的边界和内部单独学习,得到一张逼近待重建曲面的双线性B样条曲面;最后对该B样条曲面误差进行了修正。实例证明,该算法可以明显地减少SOM网络学习时间,并改善网络学习效果。     

数据挖掘技术在旅游电子地图中的应用研究

随着国家加速数字城市的建设,在旅游部门应用地理信息系统技术提供旅游信息咨询成为了一种趋势.各地都在开发旅游电子地图,但目前的大多数地图仍存在功能、服务单一等问题,即“数据爆炸而知识匮乏”.本文探讨了如何利用数据挖掘技术丰富和完善旅游电子地图的功能.     

Spatio-Temporal Data Mining for Typhoon Image Collection

Our research aims at discovering useful knowledge from the large collection of satellite images of typhoons using data mining approaches. We first introduce the creation of the typhoon image collection that consists of around 34,000 typhoon images for the northern and southern hemisphere, providing the medium-sized, richly-variational and quality-controlled data collection suitable for spatio-temporal data mining research. Next we apply several data mining approaches for this image collection. We start with spatial data mining, where principal component analysis is used for extracting basic components and reducing dimensionality, and it revealed that the major principal components describe latitudinal structures and spiral bands. Moreover, clustering procedures give the birds-eye-view visualization of typhoon cloud patterns. We then turn to temporal data mining, including state transition rules, but we demonstrate that it involves intrinsic difficulty associated with the nonlinear dynamics of the atmosphere, or chaos. Finally we briefly introduce our system IMET (Image Mining Environment for Typhoon analysis and prediction), which is designed for the intelligent and efficient searching and browsing of the typhoon image collection.     

基于数据挖掘的白车身工艺规划系统

为有效提取白车身工艺规划中的信息,将数据挖掘技术应用于白车身工艺规划系统。分别建立制造资源数据库、工艺规则数据库和工艺实例库,同时建立基于数据挖掘的工艺规划推理系统,采用语义匹配方法实现对机器人的分配和对实例库的查询,使用关联规则搜寻最合理的焊接类型,利用遗传算法优化机器人焊接路径。应用结果表明,该系统能对白车身工艺信息进行有效管理。     

基于SOM聚类的数据挖掘方法及其应用研究

传统的聚类算法如Kmeans等,往往需要事先定义聚类数目。在实际应用中,多基于经验知识来确定类别个数,而且一般需要多次尝试,这种方法具有很大的盲目性。本文提出一种基于SOM的聚类算法,利用SOM的可视化功能和人眼在低维情况下对模式的快速识别能力来避免传统聚类算法确定聚类数目的盲目性。将提出的方法应用于某电信公司客户分群的实际问题当中,来刻画客户组的个性行为特征,以便销售人员制定针对性的营销策略,具有重要的实际意义。     

空间数据挖掘技术方法及应用

着重阐述了通用的空间数据挖掘体系结构,空间数据的关联特性,几种主要的空间数据挖掘方法。最后对一实例进行了应用分析。     

数据采掘方法及其在金融行业中的应用

在现实生活中随着数据的日趋庞大，需要有新一代的智能工具和技术对之进行处理。数据采掘正是着眼于此，它的主要目的在于开发相关的技术和工具，从浩翰的数据中获取有价值的信息，简要综述数据采掘的基本概念、任务、要求和基本方法等有关工作，并给出了一个应用于金融行业的实例研究。