自组织映射_som_聚类算法的研究.pdf

研究与开发
自组织映射聚类算法的研究
余健郭平
韩山师范学院数信学院潮州北京师范大学信息科学学院北京
摘要通过自组织映射神经网络实现的聚类算法能将任意维数的输入信号模式转变为一维或
二维的离散映射以拓扑有序的方式自适应实现这个变换。介绍自组织映射聚类算法的
原理通过实验进行仿真结果表明自组织映射聚类算法是可行有效的。
关键词自组织映射聚类
引言自组织映射网络的原理
在生物学中自组织现象是指人脑在许多区域是自组织映射的主要目的就是将任意维数的输入
有组织的不同区域的作用各不相同不同的感官输信号模式转变为一维或二维的离散映射并且以拓扑
入被传递给不同位置的脑细胞群这种神经元所具有有序的方式自适应实现这个变换。
的特性并不是完全来自生物遗传而是在很大程度上网络中某个输出结点能对某一类模式作
依赖于后天的学****过程。出特别的反应以代表该模式类输出层上相邻的结点
基于生物神经元的这一特性芬兰人于能对实际模式分布中相近的模式类作出特别的反映
年提出即自组织当某类数据模式输入时对某一输出结点产生最大刺
映射网络或称为激获胜结点同时对获胜结点周围的一些结点产生
自组织特征映射网络它是一种无指导训练的神经较大刺激。在训练的过程中不断对获胜结点的连接
网络自组织的过程实际上就是一种无指导的学****权值作调整同时对获胜结点的邻域结点的连接权值
它通过自身训练自动对输入模式进行聚类。它的拓作调整随着训练的进行这个邻域范围不断缩小直
扑结构图如图所示。到最后只对获胜结点进行细微的连接权值调整。
具体实现步骤如下
①连接权值初始化给从输入结点到输出结点的
所有权值赋予较小的随机数。时间计数

②对网络输入模式⋯
③计算输入与全部输出结点所连的权向量的
现
欧氏距离
代
④具有最小欧氏距离的输出结点获胜计
⑤调整输出结点所连接的权值以及其邻域内的算
图输出结点所连权值机

△η∈∈⋯
在图中网络上层为输出结点个按二维形总
⑥若还有输入样本数据则转第②步。第
式排成一个结点矩阵输入结点处于下方若输入向
算法中η是可变学****速度随时间的增加而减二
量有个元素则输入端共有个结点所有的输入五
小。也就是说随着训练过程的进行权值的调整幅度
结点到所有的输出结点都有权值连接。五
期

!
研究与开发
越来越小也随着时间而收缩最后足够大获胜神经元周围的邻域函数比正常使用的衰减快得
时即只训练获胜结点本身η和多有三种方法可以实现第一种方法修改
有多种不同的形式在具体训练过程中可以根据不的参数的缺省值第二种方法修改邻域
同的要求不同的数据分布进行设计。学****率第三种方法
仿真实验及结果修改邻域收缩范围使邻域半径
收缩得比正常的快。
在这个实验中用算法应用于具有二维输入

的一维网格。网格由个神经元组成输入由图所
示的三角形内均匀分布的随机点构成。计算由
算法在、、、次迭代后产生的映射。

图迭代次后产生图迭代次后产生
的映射图的映射图
图

分析设该三角形顶点、、
生成两个从到的随机数和利用下面的
公式计算在该三角形内部随机取到的点的位置

! !