文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > IT/计算机 > 多属性信息决策的改进无监督学习算法建模与应用
侵权投诉

多属性信息决策的改进无监督学习算法建模与应用

针对SOM网络无监督学习算法的单样样序列学习方式内存占用多的特点,采用Vornoi矢量原理改进权矢量迭代方式,使改进算法具有所有样本同时学习的能力,同时人出了算法的矢量映射误差测度和拓扑误差测度。然后根据改进算法建立了多属性信息决策的可视二维拓扑映射图模型,并对R&D项目中止决策进行了研究,计算结果表明,改进的无监督学习算法收敛速度快,基于拓扑映射图模型的多属性决策有效。

维普资讯 doc.guandang.net

多属性信息决策的改进无监督学习 算法建模与应用 王昱朱家元冯惊雷张恒喜 (北京航空航天大学工程系统工程系,京 10 8 )北 0 0 3 (西安空军工程大学工程学院航空机械工程系,西安 7 0 3 ) 10 8 E m i ai n y h o o, — a:j ma@ a o, m o l a c n摘要针对 S M网络无监督学习算法的单样本序列学习方式内存占用多的特点,采用 V rn i O oo o矢量原理改进权矢量

迭代方式,改进算法具有所有样本同时学习的能力,时给出了算法的矢量映射误差测度和拓扑误差测度。然后根据使同 改进算法建立了多属性信息决策的可视二维拓扑映射图模型,对 R D项目中止决策进行了研究计算结果表明,进并&改的无监督学习算法收敛速度快,于拓扑映射图模型的多属性决策有效基关键词多属性决策神经网络模式识别拓扑映射图 中图分类号 T 1 P8

文章编号 l 0— 3 l ( o 2 2— 0 2 0 文献标识码 A o 2 83 _ 2 0 ) l o l— 2

M uli l Atrbut nf r a i n tp e t i e I o m to De ii n cso M a ng ki M o nd de a Applc to ia i n

Vi mp o e a t Un u e v s d Le r i g Al o ih a I r v d F s s p r ie a n n g rt m W a g Yu Zh iy a F n i ge Zh n e g i n u Ja u n e g J n li a g H n x

( e at e to yt E gn eig B in nv r t o D p r n fS s m n ie r, e ig U ies y f m e n j i A rn ui n s o a t s B in o 3 eo at sa d A t n ui . e ig l o 8 ) c r c j 0 ( p rme t o r n uis Me h nc l E gn e ig, r F re En ie r g U ie st, n 71 0 8 De at n f Aeo a t c a ia n ie r c n Ai oc gn ei n v ri Xi 3 ) n y a 0 Ab t a t Ai n t d f in y o a l e tr s q e t l r i i g ag r

t m f S l Or a ii g Ma i h u e c s r c: mi g a ei e c f s mp e v c o e u n i t n n lo h o e f c a a i - g n zn p wh c s s mu h me r t e a e r p s s n w r i i g a g r h mo y, p p r p o o e a e t n n l o t m b s d n h o o r n i v co n h c l h a i a e o t e r f Vo o o e t r i w i h al y weg t v c os o ih e tr f

sm l a eajs d i ec riigs p a d a opee t mesr o et a pn r rad t orp i er . a pe cn b dut n ah t nn t,n l rsn aue fvc rm p iger n o ga hc r r s e a e s s o o p o Fu t e m o e h pa r s t p vs a ie tpoo y rh r r te pe e u a iu lz d o lg ma m o e f p d o mu t e trbu e li at pl i t de ii ma ng a e on mp o e cson ki b s d i r v d

agrh ad ue tt R rjc tr iai eio,h eut so htte cneg ne o m rvd agrh l i m,n ssi O&D poet e nt n d cs nT e rsl h w ta h ovre c fi poe lo tm ot m o i s i i a t r a t de iin s f se nd he cso m a ng s ai ba e o tpoo y ki i v ld s d n o l g ma m o e. p d

Ke wo d y r s:Mu t l t b t e i o k n, e r l n t o k, at r e o n t n, o o o y ma l p e a t u e d c s n ma i g N u a ew r s P t n r c g i o T p l g p i i r i e i

l引言 在现代科学技术不断进步,社会经济迅速发展的今天,人类面临越来越复杂的大系统的组织管理、调、划、划、协规计预测和控制等重大而困难的决策问题。由于决策对象的广域性、

类别的期望值,在给定的输

入模式中进化,取特征或规律。它提

在无监督学习的神经网络中,O sl ognz g ma ) S M(ef ra in p神经网 - i络具有很好的矢量量化功能、快速聚类能力和信息融合能力, 特别是能够把高维数据拓扑映射到二维空间。在二维空间中, 特征相似的矢量靠得比较近,据的映射点 (数即模式矢量 )有具类样本代表性。里首先根据多属性决策特点, S M网络无这对 O监督学习算法进行改进,以以往的决策项目失败或成功的经并

多样性和复杂性,主体认知客体的状态及其发展规律十分困使 难。决策中,究较多的是多属性决策。属性决策的方法有在研多

统计推断、性规划、糊综合评判和专家系统等方法,些方线模这法在社会实践中的运用,推动科学决策发挥了重要的作用。对 近年来,工神经网络以其强大的并行处理机制、意函人任 数的逼近能力、习能力,学以及自组织和自适应能力等在建模、

验作为学习样本,过可视化方法建立决策模式样本的二维映通 射空间的拓扑映射图模型。后输入新的需要决策的方案到映然射图中,根据新样本的映射位置判断方案的可行性或可行程

决策、预测和控制等领域得到了广泛的应用。神经网络的学习 原理分为监督学习和无监督学习。监督学习是当外界不能获无

度。文章通过对研究与开发 (&项目中止决策的研究,明 R D)说 该方法的有效性。

得外部教师或评判指令时,过以网络不同部分响应不同的输通

入模式而进行学习,无需被告知与输入模式相关联的输出或它 基金项目:委预研资助基金;委重点型号工程部部

2 S OM网络无监督学习算法

作者简介:王昱,士研究生,究方向:备发展规划与管理,合保障工程,号投资费用分析等。朱家元,空宇航系统工程专业博士研究生,博研装综型航 研究方向:备发展规划与管理, A S与综合保障工程,能信息处理,装 C L智可靠性与智能综合诊断等。冯惊雷 .士研究生 .究方向:硕研飞机系统

工程,能信息决策与系统优化。张恒喜,智教授 .士生导师,军级专家,究方向:备发展规划与管理,机系统工程:博空研装飞

1 2 0 . 1计算机工程与应用 2 0 22

多属性信息决策的改进无监督学习算法建模与应用

第1页

你可能喜欢

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email