期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
基于PCA和SOM网络的洪泽湖水质时空变化特征分析 被引量:33
1
作者 李为 都雪 +6 位作者 林明利 张超文 张堂林 刘家寿 丁怀宇 张胜宇 李钟杰 《长江流域资源与环境》 CAS CSSCI CSCD 北大核心 2013年第12期1593-1601,共9页
2010年分4个季度对洪泽湖全湖20个样点的水质理化特征进行了定期监测,采用修正的卡尔森营养状态指数法(TSIm)综合评价了洪泽湖水质的营养状况,同时应用主成分分析(PCA)和自组织特征映射网络(SOM网络)分析了洪泽湖水质的时空变化特征。... 2010年分4个季度对洪泽湖全湖20个样点的水质理化特征进行了定期监测,采用修正的卡尔森营养状态指数法(TSIm)综合评价了洪泽湖水质的营养状况,同时应用主成分分析(PCA)和自组织特征映射网络(SOM网络)分析了洪泽湖水质的时空变化特征。结果显示:除了水深(WD)和透明度(SD),洪泽湖的pH、EC、NH+4-N、TN、TP、和CODMn等水质参数季节差异显著。TSIm综合评价结果表明洪泽湖4个季节的水质均呈富营养化状态,夏季富营养化程度最严重。PCA分析表明洪泽湖水质主要受离子和氮盐的控制,磷不是控制洪泽湖水质的最主要因素。SOM网络将全湖20个样点聚为G1、G2和G3三类,G1代表洪泽湖相对封闭的北部区域,有沉水植被分布,水质主要受围网养殖污染的影响;G2代表洪泽湖东部和南部区域,航运繁忙,直接承接淮河入湖河水,水质主要受淮河入湖河水和航运的影响;G3代表洪泽湖西部水域,沿岸密布养殖池塘且人口密度大,水质主要受养殖废水和城镇生活污水的影响。研究认为,控制外源污染和恢复沉水植被是防治洪泽湖富营养化的有效途径。 展开更多
关键词 水质 时空变化 主成分分析(PCA) 自组织特征映射网络(SOM网络) 洪泽湖
原文传递
基于自组织映射神经网络的中药注射剂质量快速鉴别方法 被引量:15
2
作者 刘雪松 施朝晟 +1 位作者 程翼宇 瞿海斌 《分析化学》 SCIE EI CAS CSCD 北大核心 2007年第10期1483-1486,共4页
将近红外光谱分析技术与人工神经网络相结合,研究提出一种基于自组织映射神经网络的近红外光谱神经元分类模型,用于对中药注射剂产品的近红外光谱进行计算分析,可实现对注射剂质量的快速鉴别。以3个不同厂家生产的参麦注射剂为研究对象... 将近红外光谱分析技术与人工神经网络相结合,研究提出一种基于自组织映射神经网络的近红外光谱神经元分类模型,用于对中药注射剂产品的近红外光谱进行计算分析,可实现对注射剂质量的快速鉴别。以3个不同厂家生产的参麦注射剂为研究对象,考察本方法的分类能力,其分类正确率达到96.4%,优于参与比较的判别式偏最小二乘法(90.5%)、反向传播神经网络(88.1%)和支持向量机(90.5%)。 展开更多
关键词 中药分析 质量鉴别 近红外光谱分析 自组织映射神经网络 模式分类
在线阅读 下载PDF
嵌入局部模型的SOM网络对混沌时间序列预测研究 被引量:5
3
作者 朱家元 虞建飞 张恒喜 《控制与决策》 EI CSCD 北大核心 2003年第1期106-109,共4页
针对混沌时间序列特征空间多变性的特点 ,在 SOM自组织神经网络中嵌入局部线性回归模型 ,用于混沌时间序列的预测。该方法融合了局部线性预测的优点以及 SOM网络数据快速聚类能力、可视化特征识别性质和拓扑保留映射特点 ,既可减少运算... 针对混沌时间序列特征空间多变性的特点 ,在 SOM自组织神经网络中嵌入局部线性回归模型 ,用于混沌时间序列的预测。该方法融合了局部线性预测的优点以及 SOM网络数据快速聚类能力、可视化特征识别性质和拓扑保留映射特点 ,既可减少运算时间和存储空间 ,又能适应混沌时间序列的多变特征 ,取得了较高的预测精度。 展开更多
关键词 SOM网络 混沌时间序列预测 人工神经网络 局部线性回归模型
在线阅读 下载PDF
利用U矩阵对SOM网络的处理 被引量:6
4
作者 马光志 杨春 《计算机工程与设计》 CSCD 北大核心 2006年第4期654-655,共2页
自组织神经网络的最大优点是能够保持原始数据的拓扑结构。但是当数据量很大的时候,自组织神经网络的神经元的数据也随之增大。因此为了更好地对数据进行分析,需要将自组织神经网络中相似的神经元进行分组,也就是聚类。在对SOM网络进行... 自组织神经网络的最大优点是能够保持原始数据的拓扑结构。但是当数据量很大的时候,自组织神经网络的神经元的数据也随之增大。因此为了更好地对数据进行分析,需要将自组织神经网络中相似的神经元进行分组,也就是聚类。在对SOM网络进行再次分析之前,为了减少“噪音”数据和孤立点对聚类结构的影响,用U矩阵的变型方法对自组织神经网络分析的结果进行预处理。 展开更多
关键词 自组织神经网络 U矩阵 聚类
在线阅读 下载PDF
Coverage Control for Underwater Sensor Networks Based on Residual Energy Probability
5
作者 Jinglin Liang Qian Sun +6 位作者 Xiaoyi Wang Jiping Xu Huiyan Zhang Li Wang Jiabin Yu Jing Li Ruichao Wang 《Computers, Materials & Continua》 SCIE EI 2022年第12期5459-5471,共13页
Underwater sensor networks have important application value in the fields of water environment data collection,marine environment monitoring and so on.It has some characteristics such as low available bandwidth,large ... Underwater sensor networks have important application value in the fields of water environment data collection,marine environment monitoring and so on.It has some characteristics such as low available bandwidth,large propagation delays and limited energy,which bring new challenges to the current researches.The research on coverage control of underwater sensor networks is the basis of other related researches.A good sensor node coverage control method can effectively improve the quality of water environment monitoring.Aiming at the problem of high dynamics and uncertainty of monitoring targets,the random events level are divided into serious events and general events.The sensors are set to sense different levels of events and make different responses.Then,an event-driven optimization algorithm for determining sensor target location based on self-organization map is proposed.Aiming at the problem of limited energy of underwater sensor nodes,considering the moving distance,coverage redundancy and residual energy of sensor nodes,an underwater sensor movement control algorithm based on residual energy probability is proposed.The simulation results show that compared with the simple movement algorithm,the proposed algorithm can effectively improve the coverage and life cycle of the sensor networks,and realize real-time monitoring of the water environment. 展开更多
关键词 Random event self-organizingmap algorithm REDUNDANCY energy consumption COVERAGE
在线阅读 下载PDF
基于核的双自组织特征映射网络在预测中的应用
6
作者 夏文文 王士同 《计算机工程与设计》 CSCD 北大核心 2008年第9期2324-2327,共4页
提出了一种基于核的双自组织特征映射网络。该网络通过同时使用两个相关的映射网络扩展了原有的自组织神经网络。针对自组织特征映射网络容易受到高噪声的影响,将核学习的方法应用于自组织映射聚类中,以核函数代替了原始数据在特征空间... 提出了一种基于核的双自组织特征映射网络。该网络通过同时使用两个相关的映射网络扩展了原有的自组织神经网络。针对自组织特征映射网络容易受到高噪声的影响,将核学习的方法应用于自组织映射聚类中,以核函数代替了原始数据在特征空间中映射值的内积,传统的SOM算法使用的是欧氏距离,而KSOM通过使用不同的核函数为原始空间诱导出不同的欧式距离,这样就提高了算法的鲁棒性。将改进后的神经网络用于金融时间序列的预测,其实验结果表明,改进后的神经网络具有较强的鲁棒性。 展开更多
关键词 自组织映射网络 双映射 核方法 鲁棒 预测
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部