导读:本文包含了自组织映射网络论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:组织,网络,目标,算法,规则性,特征,结构。
自组织映射网络论文文献综述
孙菁,张章飞,刘振兴[1]（2019）在《自组织映射网络(SOM)在游戏用户分类中的应用》一文中研究指出对自组织映射神经网络(SOM,Self Orgnization Map)在游戏用户分类中的应用做了探讨。基于自组织映射神经网络,将游戏用户进行分类。提取用户特征如活跃天数,游戏盘数,输赢金币等,对这些原始特征进行中心化处理。指定聚类簇数,将处理后的特征向量输入到SOM进行聚类。分析聚类结果,统计每个类的统计特征,以验证算法。(本文来源于《力学与工程——数值计算和数据分析2019学术会议论文集》期刊2019-04-19）
王鹏程,杨国栋,张晓晨,钟育谦,翟飞飞[2]（2019）在《宝华玉兰生存群落的自组织特征映射网络排序与分类》一文中研究指出为了解国家Ⅱ级保护植物宝华玉兰Magnolia zenii的种群分布规律及其濒危原因,进一步揭示宝华玉兰野生种群与群落及环境之间的生态关系,应用自组织特征映射网络(SOM)对宝华玉兰生存群落进行了排序和分类,以期为保护和管理宝华玉兰种群野生种质资源提供理论依据和新的方法。结果如下:①群落结构分析表明,宝华玉兰天然更新缺乏,且紫楠Phoebe sheareri,建始槭Acer henryi等优势种占据了主要生存空间与资源,影响了宝华玉兰种群增长和发展,使其在群落中处于不稳定地位;②SOM将40个样方进行聚类分析,得到7个群落类型。不同群落类型之间的物种组成存在差异,界限清晰,排序结果与优势种实际分布情况吻合,说明SOM的分类结果具有合理性;③环境因子可视化分析揭示了宝华玉兰分布于坡度较缓的半阳坡,种群分布主要受到坡向和坡度2个环境因子的影响,由于宝华玉兰自身生长过程中对环境要求的特殊性和不适应性,造成了其濒危现状;④SOM具有高度非线性拟合的特点,且能够同时进行排序和分类,并将分类结果可视化,呈现样方之间的相似性,说明SOM应用于群落分类和排序,反映种群与群落及环境之间的生态关系是合适的。(本文来源于《浙江农林大学学报》期刊2019年02期）
李鹏松,刘欣,李俊达[3]（2018）在《基于免疫遗传算法的自组织映射网络应用研究》一文中研究指出研究了自组织映射网络的初始权值选取问题,提出了基于免疫遗传算法的自组织映射网络.利用免疫遗传算法选取网络的初始权值,优化网络模型的输入参数.应用该方法对员工缺席情况和鲍鱼年龄进行分类.实验结果表明,免疫遗传算法自组织映射网络的分类准确度及训练效率都高于遗传算法自组织映射网络.(本文来源于《东北电力大学学报》期刊2018年06期）
张圆,李精忠,帅赟[4]（2018）在《使用自组织映射网络识别城市道路主要结构》一文中研究指出城市道路中主要结构的识别在路网综合、多尺度路网建模、导航等方面起着关键作用。本文提出一种使用自组织映射(SOM:the Self-Organizing Map)网络来同时识别城市道路中多行道和立交桥的方法。首先计算道路网眼的几何形态特征指标,然后利用SOM对道路网眼进行分类,根据得出的网眼和道路的空间关系来提取路网中的主要结构。实验结果表明,该方法能有效地识别出城市道路中的多行道和立交桥。(本文来源于《测绘与空间地理信息》期刊2018年10期）
周丽娟[5]（2018）在《基于自组织映射网络的网络入侵检测算法设计》一文中研究指出入侵检测系统是一种对网络进行安全保护的重要手段,提出了一种基于自组织映射网络的入侵检测算法,通过训练数据对自组织映射网络进行训练,得到一个用于进行入侵检测的网络安全检测算法.该网络安全检测算法通过建立3层自组织映射网络模型,设计了权值、邻域与学习率的更新方式,输出端的值则对应了网络输出各安全事件的发生概率.采用KDDCUP99进行仿真来对本算法进行验证,将具有最大概率的模型作为入侵检测结果.仿真实验表明,算法能有效实现网络入侵检测,具有较高的网络入侵检测率及较低的误检率和漏检率,同时与其他同类算法相比,对于各类网络攻击均具有更高的检测率.(本文来源于《成都大学学报(自然科学版)》期刊2018年03期）
刘烟,席红霞,曹珺,曲海波,宋崇金[6]（2018）在《结合自组织映射网络及叁角形算法的星图识别方法》一文中研究指出叁角形方法是最经典且应用最广的星图识别方法之一,但是存在搜索范围大、匹配冗余、抗噪能力弱等问题。将神经网络技术应用到星图识别过程中,结合自组织映射网络(SOM)优秀的分类能力和叁角形算法可靠的角距匹配能力,提出了一种新的识别方法。该方法基于邻近星的分布来构建每颗导航星的特征向量,将其作为SOM网络的输入向量,通过训练得到具有分类识别功能的网络及相应的叁角形库。识别阶段,输入待识别星的特征向量,网络输出识别类,在该类对应的叁角形库中应用叁角形算法查找匹配叁角形,完成星图识别。试验发现该方法减小叁角形搜索范围、实现快速匹配的同时,提高了识别系统的抗噪能力,在全天识别过程中平均识别时间低于5ms,识别率在噪声标准差为0.025时仍高达99%。(本文来源于《中国空间科学技术》期刊2018年04期）
郭倩倩[7]（2018）在《基于自组织映射网络的多目标粒子群优化算法》一文中研究指出在实践和理论研究中存在这样的问题,它需要同时优化多个相互冲突的目标,这种问题被叫做多目标优化问题(Multi-objective Optimization Problems,MOPs)。求解多目标优化问题得到的是由许多非支配解组成的一个解集,称为帕累托解集(Pareto Set,PS),帕累托解集在目标空间对应的目标值便组成了帕累托前沿(Pareto Front,PF)。多目标粒子群优化(MOPSO)算法是一种以种群为基础的带有随机搜索方式的方法,因其具有快速收敛及记忆学习的功能被广泛应用到多目标问题的求解上。对于多目标粒子群优化算法,收敛性和多样性的平衡是至关重要的。在很多改进策略中,有些将目标空间划分网格或以特定的指标来选择引导粒子,或者利用变异策略避免算法陷入局部最优。但以上策略很少利用到多目标优化问题的规则性,即在一定的条件下,m个目标的多目标问题在目标空间的PF及决策空间的PS会形成m-1维的片段连续的流型形状。综上所述,本文提出一种基于自组织映射网络的多目标粒子群优化算法。自组织映射网络的拓扑结构不断的去学习和挖掘当前种群和外部存档在决策空间分布的结构,构造出当前粒子的邻域关系,从而引导粒子局部和全局的搜索。首先,利用自组织映射网络发现种群个体和外部存档个体在决策空间分布规律,根据自组织映射网络可以将相似个体聚类到同一个邻域的特性,为多目标粒子群优化算法构建邻域拓扑结构。种群中的个体在所在的邻域内选择引导粒子,促进算法的局部搜索。其次,为了避免算法陷入局部最优位置,在产生子代之后,一定概率下执行精英学习策略,在已找到的精英粒子的位置处进行变异,使算法能够在进化过程中保持解的多样性。接着,为了验证本文所提算法的性能,采用了具有不同帕累托解集和帕累托前沿特点的多目标标准测试函数,和当前存在的几个多目标优化算法进行了性能指标的比较,统计结果证明了所提算法在解决多目标优化问题上的有效性。然后分析了本文算法中邻域关系的合理性,以及算法中网络拓扑结构对算法性能的影响。最后,将本文所提出的基于自组织映射网络的多目标粒子群优化算法应用到多模态多目标的测试问题上,基于自组织映射网络的多目标粒子群优化算法中的邻域关系是在决策空间建立的,为解决多模态问题提供了契机。为了保存在目标空间距离很近但是在决策空间距离很远的粒子,算法结合了特殊的拥挤距离机制,既考虑了决策空间的拥挤度又兼顾了目标空间的拥挤度,实验证明,在自组织映射网络构建的邻域,可以避免解决多模态问题常见的小生境参数的影响,且所提算法能够很好的解决多模态多目标优化问题,为决策者提供多重可替代选择。(本文来源于《郑州大学》期刊2018-05-01）
张卫,冷建兴,张广博,唐任仲,方水良[8]（2017）在《基于自组织映射网络的制造服务模块动态创建方法》一文中研究指出针对商业生态环境中制造服务运作的复杂性,建立了制造服务模块化理论模型。该模型包括制造服务模块的内涵和动态创建过程,初步实现了制造服务模块动态创建,为制造服务模块化奠定基础。应用突变理论构建了制造服务模块的产品度和服务度概念,并建立了制造服务模块测度模型及算法。在此基础上,提出制造服务模块动态聚类的自组织映射网络策略。通过制造服务模块动态聚类的示例,验证了制造服务模块测度模型的有效性,以及基于神经网络和模块化技术建模的优越性。(本文来源于《计算机集成制造系统》期刊2017年08期）
刘焕海,叶剑锋,阿斯耶姆[9]（2016）在《基于自组织特征映射网络(SOM)的聚类分析方法》一文中研究指出介绍了自组织映射网络聚类分析方法,以2012年以来全世界女子排球最重要的七次大赛成绩为依据,提高世锦赛、世界杯、奥运会权重,建立了相应的神经网络模型,并对世界九支女排强队成绩进行6个级别分类。在训练过程中减小关联度较小的样本影响,提高了预测精度、训练速度。使用Matlab工具箱函数进行仿真,面对网络媒体中众多的世界排名,推测预知,提出了相对科学的数据分析方法。(本文来源于《软件导刊》期刊2016年12期）
费金龙,祝凯捷,李娟[10]（2016）在《一种基于调节因子的动态自组织映射网络流量分类方法》一文中研究指出针对当前自组织映射网络在流量分类中存在的不足,提出一种新的动态增长自组织映射模型DS-GSOM用于流量分类。该方法采用灵活可控的网络结构,引入调节因子EF来控制网络生长,可以按需要方便地在任意合适位置生成新结点,实现层次聚类,所生成的网络结点数目远远低于传统的SOFM方法,训练周期短,算法执行效率明显高于SOM和GSOM。实验分析结果表明该分类方法准确率和召回率明显优于自组织映射网络的其它流量分类方法。(本文来源于《信息工程大学学报》期刊2016年02期）
自组织映射网络论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为了解国家Ⅱ级保护植物宝华玉兰Magnolia zenii的种群分布规律及其濒危原因,进一步揭示宝华玉兰野生种群与群落及环境之间的生态关系,应用自组织特征映射网络(SOM)对宝华玉兰生存群落进行了排序和分类,以期为保护和管理宝华玉兰种群野生种质资源提供理论依据和新的方法。结果如下:①群落结构分析表明,宝华玉兰天然更新缺乏,且紫楠Phoebe sheareri,建始槭Acer henryi等优势种占据了主要生存空间与资源,影响了宝华玉兰种群增长和发展,使其在群落中处于不稳定地位;②SOM将40个样方进行聚类分析,得到7个群落类型。不同群落类型之间的物种组成存在差异,界限清晰,排序结果与优势种实际分布情况吻合,说明SOM的分类结果具有合理性;③环境因子可视化分析揭示了宝华玉兰分布于坡度较缓的半阳坡,种群分布主要受到坡向和坡度2个环境因子的影响,由于宝华玉兰自身生长过程中对环境要求的特殊性和不适应性,造成了其濒危现状;④SOM具有高度非线性拟合的特点,且能够同时进行排序和分类,并将分类结果可视化,呈现样方之间的相似性,说明SOM应用于群落分类和排序,反映种群与群落及环境之间的生态关系是合适的。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
自组织映射网络论文参考文献
[1].孙菁,张章飞,刘振兴.自组织映射网络(SOM)在游戏用户分类中的应用[C].力学与工程——数值计算和数据分析2019学术会议论文集.2019
[2].王鹏程,杨国栋,张晓晨,钟育谦,翟飞飞.宝华玉兰生存群落的自组织特征映射网络排序与分类[J].浙江农林大学学报.2019
[3].李鹏松,刘欣,李俊达.基于免疫遗传算法的自组织映射网络应用研究[J].东北电力大学学报.2018
[4].张圆,李精忠,帅赟.使用自组织映射网络识别城市道路主要结构[J].测绘与空间地理信息.2018
[5].周丽娟.基于自组织映射网络的网络入侵检测算法设计[J].成都大学学报(自然科学版).2018
[6].刘烟,席红霞,曹珺,曲海波,宋崇金.结合自组织映射网络及叁角形算法的星图识别方法[J].中国空间科学技术.2018
[7].郭倩倩.基于自组织映射网络的多目标粒子群优化算法[D].郑州大学.2018
[8].张卫,冷建兴,张广博,唐任仲,方水良.基于自组织映射网络的制造服务模块动态创建方法[J].计算机集成制造系统.2017
[9].刘焕海,叶剑锋,阿斯耶姆.基于自组织特征映射网络(SOM)的聚类分析方法[J].软件导刊.2016
[10].费金龙,祝凯捷,李娟.一种基于调节因子的动态自组织映射网络流量分类方法[J].信息工程大学学报.2016
论文知识图
