图像矢量量化──频率敏感自组织特征映射算法

用神经网络实现图像矢量量化是一种非常有效的方法。本文在分析自组织特征映射（ＳＯＦＭ）算法的基础上，提出了一种频率敏感自组织特征映射（ＦＳＯＦＭ）算法，并对网络学习训练参数的优化进行了探讨。实验表明，ＦＳＯＦＭ算法优于ＳＯＦＭ算法。

基于频率敏感三维自组织映射的立体视频视差估计算法

传统基于块的立体视频视差估计算法计算复杂、效率较低,难于以硬件实现。为此,提出一种基于三维自组织映射的视差模式识别算法。根据图像块均值的大小,为视差序列建立高、底亮度模式库,输入块根据均值大小在不同的库中匹配模式块,从而实现视差估计。在模式库训练时引入频率敏感方法,以提高矢量利用率,减少死神经元,降低获胜矢量响应频率。实验结果表明,与基于块的视差估计算法相比,该算法的视差预测图像的平均峰值信噪比提高了1.78 dB。

图像矢量量化的等误差自组织特征映射算法

提出了一种使各区域子误差相等的矢量量化算法,算法利用小波变换后各子带间的相关性,合理构造矢量。采用最优矢量量化器设计原则,使用改进的自组织特征映射算法生成码书。学习过程中,通过调整各子区域的误差,使之趋于相等,改善总的期望误差,获得更接近全局最优的码书。实验表明,这种算法获得的码本优于其它几种算法。

一种改进的自组织特征映射算法

针对SOM算法用于训练生成矢量量化码书存在的不足,提出了一种基于频率敏感的自组织特征映射算法(FSOM),并应用到图像矢量量化中。实验表明,与SOM算法相比,FSOM算法具有更好的聚类特性和峰峰信噪比(PSNR),是一种有效的码书设计算法。

基于映射图与界面视觉要素排序的激光全息投影人机动态交互

针对人机动态交互界面任务执行中,界面感知元素检测过程一旦失真,存在耗时较长、操作准确率较低的问题,提出基于映射图与界面视觉要素的激光全息投影人机动态交互方法 。利用自组织特征映射算法生成映射图,通过迭代学习提取目标特征;结合感知元素重要度指标和人机交互界面感知强度,通过自动标注为视觉感知元素排序编号,构建人机动态交互界面优化模式,设计激光全息投影人机动态交互界面。测试结果表明,所提方法应用下,被标记的目标视觉元素特征点经过更新后,布局完整、有序,感知强度指数误差控制在1-5之间,交互任务执行耗时均在12.5s以内,操作准确率平均值为92%,解决了激光全息投影人机动态交互优化问题。

一种新的基于自组织神经网络的运动估计算法

提出了一种新的基于自组织网络的CFSSOM-VQ运动估计算法,新的帧间预测编码方案采用基于自组织特征映射算法(SOM)的矢量量化(VQ)作为帧间预测,以取代目前常用的运动补偿帧间预测(ME+MC).并对SOM算法进行了改进,提出了一种分类频率敏感自组织特征映射(CFSSOM)算法.将该算法应用到会议电视视频编码的实验结果表明,与ME+MC算法相比,CFSSOM-VQ算法具有更好的预测编码性能.

一种新的自组织神经网络算法

为有效提高矢量量化码书的性能和学习效率,需进一步改进自组织神经网络的学习算法.在分析Kohonen自组织特征映射算法(SOM)的基础上,提出了一种基于频率敏感的自组织特征映射算法(FSOM),并应用到图像矢量量化中,实验表明,FSOM算法具有聚类特性好和训练速度快等优点,是一种有效的码书设计算法.

基于改进RFM模型与聚类算法的民航客户细分研究

对于传统的RFM模型客户细分而言,由于缺乏科学的指标而无法针对航空市场进行精确的细分,因此提出TLFM模型作为细分的指标,利用自组织映射(SOM)算法和“手肘法”确定k-means算法的最佳k值,从而得到航空市场客户细分的结果。最后根据客户细分的情况和各类客户的行为特征,提出差异性的服务和不同的营销策略来提高航空公司的竞争力。

基于改进智能水滴算法的梯级水库群调峰调度研究

针对智能水滴算法(IWD算法)存在种群多样性不足、易陷入局部最优、初期求解速度慢等缺陷,提出了改进的智能水滴算法(IIWD算法),该算法引入了Logistic混沌初始化方式及差分进化算法(DE算法)的差分变异算子,同时改进了自组织映射算法(SOM算法)的神经元更新方式并将其引入到IWD算法最优个体的次更新过程中,并将IIWD算法应用于梯级水库群调峰调度中,同时与IWD与DE算法进行对比,验证了该算法的高效性。

采用SOM算法的软体机械臂三维形状实时感知

为实现软体机械臂精确的三维形状实时估计,奠定变形控制与应用的基础性工作,针对三段式软体机械臂,提出了一种基于自组织映射(Self-organizing map,SOM)算法的三维空间形状实时感知方法。首先,对ZED双目相机捕捉到的左、右图像帧进行图像预处理,得到左、右二值图像,并实时提取软体机械臂的二维轮廓数据。然后,采用SOM算法对轮廓数据进行聚类,有序得到软体机械臂二维中心线的多个骨干点,并与K均值,高斯混合模型以及细化3种中心线提取算法进行了对比研究,进一步表明SOM算法更适用于解决软体机械臂复杂形状的中心线辨识。最后,通过基于双目视差的三角测距模型完成软体机械臂的三维形状重构。该算法还采用数据降采样、SOM参数优化等方法,提高算法框架的实时性能。针对软体机械臂连续形变过程,进行了实时形状传感实验和对比验证实验。实验结果表明,该算法具有较高的形状感知精度和较好的实时跟踪效果。不仅如此,与其他文献中提出的形状检测算法相比,该算法也具有较好的性能。

一种基于SOM和PAM的聚类算法

提出了一种基于自组织映射(SOM)算法和围绕中心点的划分(PAM)算法相结合的SOM-PAM聚类算法。该算法首先利用SOM算法对数据集进行“粗聚类”并得到簇数k;然后,根据簇数k再利用PAM算法对“粗聚类”结果进行聚类并得到最终聚类结果。通过实验表明,SOM-PAM算法具有比SOM算法更高的聚类效率和更好的聚类质量。

基于SOM算法实现的文本聚类

以自组织特征映射（Self-organizing map,SOM）算法作为理论基础，实现了对 文本文档的聚类，并且给出了相应的类别标注，同时对聚类的准确度进行了评价，由于准确 度较低而后提出了把tf·idf计算词权重的方法应用到SOM算法的输入文本向量中去，因此提 高了聚类的平均准确度。

基于模糊-粗糙集模型的一种归纳学习方法

对传统粗糙集理论进行了扩展 ,提出了一种模糊 -粗糙集模型 .利用模糊集理论和 Koho-nen网络自组织映射算法对决策表的连续属性进行模糊化 ,并用模糊贴近度构造模糊相似矩阵 ,把普通粗糙集的不可分辨关系推广为模糊相似关系 .提出一种基于模糊 -粗糙集模型的归纳学习算法FRILA,此算法和决策树算法相比 ,具有得到的规则数目少、规则表示简单等优点 .

基于SD-IoT的DDoS攻击防御方法

为解决软件定义物联网中防御DDoS攻击的问题,提出一种攻击溯源与防御方法。该方法部署在软件定义物联网控制器中,当检测到网络中有DDoS攻击发生时,进行节点流量特征提取,利用提出的基于信任模型-自组织映射(trust model-self organizing map,T-SOM)算法的DDoS攻击溯源方法,根据提取到的节点流量特征对网络内节点进行聚类,通过控制器中的网络拓扑找出攻击节点的Mac地址。由防御模块进行端口封禁和packet_in报文过滤实现DDoS攻击防御。实验结果表明,该方法能够对DDoS攻击节点进行有效溯源,快速下发流表隔离攻击节点并过滤packet_in报文。

基于代表熵的基因表达数据聚类分析方法

针对基因表达数据样本少,维数高的特点,尤其是在样本分型缺乏先验知识的情况下,结合自组织特征映射的优点提出了基于代表熵的双向聚类算法。该算法首先通过自组织特征映射网络(SOM)对基因聚类,根据波动系数挑选特征基因。然后根据代表熵的大小判断基因聚类的好坏,并确定网络的神经元个数。最后采用FCM(Fuzzy C Means)聚类算法对挑选出的特征基因集进行样本分型。将该算法用于两组公开的基因表达数据集,实验结果表明该算法在降低特征维数的同时,得出了较高的聚类准确率。

SDN中DDoS攻击的高效联合检测和防御机制

为解决软件定义网络(SDN,software-defined networking)控制器所面临的DDoS攻击问题,本文提出一个高效率的联合检测和防御机制.联合检测部分采用改进自组织映射(SOM,self-organizing mapping)算法和多维条件熵算法相结合,通过对自组织映射算法的改进,与多维条件熵算法相互提供反馈信息,达到高效联合检测目的.联合防御部分采用常规防御模块与快速防御模块相结合,通过调整优先级的方式针对不同的检测结果采取不同的防御策略.大量实验表明,本文的联合检测机制可以达到95.2%的检测率;与单独的防御机制相比,联合防御机制中控制器的响应时间可以平均降低0.11 s.

两种神经网络模型在材料领域中的应用

简要介绍了基于BP反向误差传播算法和自组织特征映射算法的神经网络模型的基本原理和在材料领域中的应用。

基于BP和SOM神经网络的电子鼻识别方法研究

电子鼻是一种模仿生物嗅觉的综合仿真系统,它可以用来辨别许多复杂的样本,其中用于辨别和分析气体化学成分的仿真系统应用较为广泛,而对复杂混合气体的分析判断和定性识别是电子鼻技术应用的重要方面。本文在分析研究电子鼻原理和基本构成的基础上,重点运用误差回传神经网络(BP)和自组织特征映射网络(SOM)神经网络进行电子鼻系统的定性识别,对三种气体传感器(一氧化碳CO、二氧化硫SO2、二氧化氮NO2)输出的数据进行了仿真、分析和识别,仿真结果表明这两种方法的识别准确率都能达到100%。并且自组织特征映射网络(SOM)算法的识别能力在整体上要优于误差回传神经网络(BP)算法。

基于SOM聚类算法的核级管道支吊架根部智能选型研究

基于数据挖掘技术,对核级管道支吊架根部智能选型数据预处理方法开展了研究,研究了根部选型预处理的分类方法,设计了数据预处理流程,确定了支吊架根部选型的优先级顺序;基于自组织映射网络(SOM)聚类算法,研究了支吊架根部智能选型数据的计算流程;设计了实验平台,基于实际工程数据,验证了算法的可行性和有效性,证明了数据的预处理及聚类效果明显。

乡村地域系统韧性类型识别与驱动机制研究——以豫东平原区商丘市睢阳区为例

科学探究乡村地域系统韧性对于重构乡村发展路径与乡村振兴具有重要意义。论文构建“要素支撑力—结构抵抗力—功能适应力”分析框架,以豫东平原区商丘市睢阳区为例,挖掘乡村地域系统韧性特征,进而建立“数理—机理”融合的乡村地域系统韧性适应性类型识别定位方法,甄别系统韧性类型,并借助地理探测器探究影响乡村地域系统韧性驱动机制。结果表明:(1)乡村地域系统韧性、要素支撑力、结构抵抗力和功能适应力指数空间分异明显,存在显著正向聚集性,其中要素支撑力正向空间聚集性最为显著。(2)类型识别发现,优势发展型行政村30个,规模占比为9.74%;稳健提升型行政村67个,规模占比为21.86%;整治改善型行政村88个,规模占比为30.32%;传统控制型行政村118个,规模占比为38.08%。(3)商丘市睢阳区乡村地域系统韧性强弱是由多个驱动因素共同作用的结果,其中,政策扶持力度、人均收入和区位优势度是主导因子。同时,在外源扰动和内核驱动的双重作用下,乡村地域系统韧性通过政策调控机制、内生动力机制、区位催化机制和生态约束机制四维驱动差异引致乡村发展路径分化。