SOM的聚类算法研究

自组织特征映射神经网络SOM(Self Organizing Feature Maps)作为一种优良的聚类工具,具有无需监督,能自动对输入模式进行聚类的优点,已经得到了广泛的应用.针对SOM可能出现“死结点”现象,文章引进了“良心”算法,实例证明是有效的.

第 7卷第 4期 20 0 8年 l 2月

太原师范学院学报 (自然科学版 ) J 0URNAI OF TAI AN YU NORM AL UNI VERS TY ( t rlS in eE io ) I Nau a ce c dt n i

Vo. No 4 17 . De . 2 0 c 08

S OM的聚类算法研究 岳素青 (晋城职业技术学院数学系，山西晋城 0 8 0 ) 4 0 0

L要]自组织特征映射神经网络 SOM ( l ga zn a u e M a s作为一种优良的聚摘 Se fOr nii g Fe t r p)

类工具，有无需监督，自动对输入模式进行聚类的优点，经得到了广泛的应用.对 S具能已针 OM可

能出现“结点”象，章引进了“心”法，例证明是有效的.死现文良算实 [键词]自组织特征映射；类；良心算法关 聚

[章编号] l 7— 0 7 2 0 ) 4 0 2— 3[图分类号] TP3 1[献标识码] A文 6 22 2 ( 0 8 0— 0 3 0 中 1文

0引言 S)是无监督的神经网络，模仿了人脑神经元的相关属性， (M它 S)网络的拓扑结构包含输入层和输出层，入层结点的数目同输入 (M输向量的维数相同，每个输入结点都同所有的输出结点相连接，见图 1 . S M神经网络的主要目的是把维空间的输人数据映射到低维 O

(常是一维或二维 )通的神经元网格上，并保持原来的拓扑次序 .意味着 网格中神经元的空间位置对应于输入模式的特定区域或特征 .

S OM是竞争式学习网络，当一个向量被提交，每具有最近权值向量的那个神经元将竞争获胜.获胜神经元及其邻域内的神经元将移动它们的权值向量从而离输入向量更近一些.向量有两个趋势：权首先， 用使神经元在那一层重新排列。而最终输入空间得到分类Ⅲ.从

图 1二维阵列 S OM网络模型 Fi .1 S g om e w o k m o lof n t r de t wo— i d men i a r a son la r y

它们随着更多的输入向量被提交而分布到整个输入空间.次，其它们移向邻域内的神经元 .两个趋势共同作

1自组织特征映射算法 假定输入向量{

} 维数为，出结点数为 N(输 N=n )下面是所采用的 S×, OM算法步骤 . 1初始化：初始权值向量 W ( ) (一1 2…,选择随机值. )将 O,j,,Ⅳ)= 2寻找获胜结点：算与 )计 ( ) .

的欧氏距离，中选出获胜结点从

10 . r’

(一ag i I一础表示最优匹配输入向量的神经元 . ) r n l a r 3定义获胜领域 N,f:胜领域函数选择为高斯函数 h ) ()获 2

3n . 6 卜—一 ——

2o

一e p一 x ( )图 2, (为中心确定 f ( )以 )时刻的权值调整域，一般 初始邻域较大，练过程中 h训 随训练时间逐渐收缩 .中一其 / {

/ O

\ \ 一

,一} r定义获胜神经元的离散位置，定义兴奋神经元的一， l,, ' r

位置；()"x ( an一Oep一÷)是的初值取值为 . 0,。 4调整权值： )对获胜领域内的所有神经元调整权值 .

图 2 Ga s u s领域函数 Fi 2 Ga s f d off nc i g. us i u ton el

收稿日期：0 8 0 1 2 0— 9 2作者简介：素青 ( 9 1 )女 .西晋城人，士 .城职业技术学院助教，事人工神经网络研究岳 18一，山硕晋从