基于SOM神经网络的工程经济学教学质量评价模型研究

针对传统教学数据处理及分析受多种复杂因素干扰,存在主观性强、数据处理效率低、评估结果不准确等问题,提出一种基于自组织特征映射(SOM)神经网络构建工程经济学教学质量评价模型的方法。首先,基于课程属性及特点设计可用于工程经济学教学质量评价的评价指标及其评价内容;然后,重点介绍基于SOM神经网络构建工程经济学教学质量评价模型全过程,包括量化评价指标并将其作为标准样本输入网络模型,调整模型各项参数使其性能达到最优,基于获胜神经元及其他神经元拓扑结构进行质量评价分析。最后,基于建设工程经济学课堂采集的教学评价数据,利用提取的12个教学质量评价指标,从理论及实践双维度分析教学数据,验证所提模型的有效性。结果表明,基于SOM神经网络构建的工程经济学教学评价模型可有效地对教学质量做出客观准确的评价结果。该方法可为实现工程经济学高效、准确的教学评估和推动智能化教学评价体系的构建提供参考。

基于SOM神经网络的宜城市森林健康评价

森林健康是生态文明建设中不可或缺的一环。本文基于2022年宜城市森林调查数据,通过主成分分析法排除冗余因子,确定健康评价指标,并运用SOM神经网络模型进行聚类分析,对宜城市森林健康状况进行评价。结果表明:(1)总的来看,宜城市森林优质健康等级最少,占比12.86%,健康等级占比17.14%,亚健康等级占比21.43%,不健康等级最多,占比31.43%,极不健康等级占比17.14%;(2)宜城市森林以幼龄林与中龄林为主,龄组结构较为不合理,中龄林健康状况整体略优于幼龄林;(3)以郁闭度划分,低郁闭度森林健康状况优于高郁闭度森林;(4)以起源划分,人工林健康状况优于天然林。

基于SOM神经网络的宜城市耕地健康评价

该文基于2021年、2022年宜城市耕地实地调查数据,对宜城市耕地的26个指标采用主成分分析法去除冗余因子,并运用SOM神经网络模型对剩余因子聚类分析,得到宜城市耕地健康状况。研究发现,宜城市耕地整体状况良好,耕地大多建立在平地上,配套的基础设施较为完善,富硒土壤分布广泛,Ⅰ级、Ⅱ级、Ⅲ级耕地要远多于Ⅳ级耕地。研究区内耕地资源质量等级分布存在空间分布特征,小河镇和南营街道耕地健康状况略差于其他区域,板桥店镇和流水镇耕地健康状况最好。

基于MATLAB的SOM网络的干旱聚类分析

基于自组织特征映射网络的聚类分析广泛应用于各种聚类分析领域,尝试将此网络应用于干旱特征的聚类分析,使用软件MATLAB7.1对所设计的网络进行学习和训练,经过6000次训练,最终实现了干旱类型的聚类,误差也达到精度要求,所建模型经测试,可以用于分类的预测。SOM网络可以很好地反映和提取气象样本中复杂的信息,分类效果较好,可以在干旱分类中广泛应用。

基于小波分析和SOM网络的交通事件检测算法

本文提出一种结合小波分析和SOM(自组织特征映射)神经网络的交通事件检测算法。论文首先利用小波分析检测交通流初始信号的奇异性,然后将小波系数作为SOM网络的输入,对信号奇异点进行分类,再根据分类标准判断交通流状态,并运用M atlab进行了仿真分析。结果表明提出的交通事件检测算法利用较少样本数据即可快速实现交通事件检测,具有潜在的应用价值。

基于改进的SOM神经网络在水质评价分析中的应用

随着人们对水资源环境的日益重视,各种水质评价方法层出不穷。传统的水质评价方法多采用精确的数学模型进行描述,无法很好的反映水环境中存在的复杂非线性关系,从而影响整体评价结果。因此,本文提出采用一种改进的自组织特征映射神经网络(SOM)方法来进行水质评价,利用SOM神经网络能在无监督、无先验知识的状态下对样本进行自组织、自学习,实现对样本的评价与分类这一特点。通过引入主成分分析,解决SOM神经网络处理高维和相关性强的指标时出现的问题,提高网络收敛速度和聚类准确性。仿真结果表明:改进后的SOM神经网络能够直观准确地评价水体质量,反映水质整体状况。

结合Mercer核与SOM的动态免疫网络聚类算法

提出一种用于聚类分析的进化免疫网络算法,借鉴自组织映射原理改进网络拓扑进化机制,利用改进的免疫机制控制抗体数量,提高抗原聚类效果.当输入样本分布呈高度非线性时,使用核方法提高聚类质量,为了避免在特征空间中聚类时失去对原输入空间聚类中心及结果的直观刻画,使用核代入为原输入空间导出一类不同于欧氏距离的新的距离度量,训练过程仍在原空间中进行.实验结果表明了算法的可行性和有效性.

基于主成分分析的SOM神经网络在火山岩岩性识别中的应用

针对火山岩储层岩性识别难的问题,提出一种将主成分分析和SOM神经网络相结合对测井资料进行处理的岩性识别方法。主成分分析能较好地提取表征样本的少数几个独立的综合指标,从而能够消除神经网络输入间的相关性,降低神经网络的输入维数,简化网络结构,加速网络收敛速度,从整体上提高网络的性能。针对松辽盆地徐家围子地区内有薄片分析及全岩分析的325块岩样,单独使用主成分分析方法的岩性识别正确率为79.38%,单独使用自组织神经网络方法的岩性识别正确率为82.15%,结合上述2种方法的岩性识别正确率为87.38%。由此在实际处理20口井火山岩层段时,将原始测井数据通过主成分分析进行精简处理,然后再通过SOM神经网络进行识别分类,最终厚度符合率为85.2%,从而为利用常规测井资料识别火山岩岩性又提供一种有效方法。

基于SOM神经网络的新化县森林健康评价

运用主成分分析法、定量和定性相结合的方法构建了新化县森林健康评价指标体系,基于SOM神经网络构建了新化县森林健康评价模型,对新化县森林进行健康评价,利用GIS技术对健康评价结果和森林属性进行了数据对比分析,结果表明:新化县森林的总体健康水平不高,主要以较健康状态为主;森林的健康状况存在明显的空间分布特征,森林的健康状况与人为干扰程度存在明显的相关关系;结合森林起源、林种、龄组、主要优势树种和森林健康等级空间分布进行了对比分析,得出了新化县森林起源、林种、龄组和主要优势树种健康状况的现状和成因。

结合SOM神经网络和混合像元分解的高光谱影像分类方法研究

本文对SOM神经网络算法进行改进,在标类的过程中采用3个策略加以控制,对初始产生的自组织映射图进行调整。通过改进,那些映射到可靠神经元的像素得到了很好的分类,而那些映射到不可靠神经元的像素都被作为不可分像元而提取出来。继而,从混合像元分解的角度来对这些不可分像元进行处理,按类型分解的思想确定混合像元的类别,实现对不可分像元的分类。将SOM神经网络和混合像元分解相结合的分类方法应用于高光谱图像的分类中,通过实验表明了该方法能较好地改善分类效果,提高分类精度。

基于小波和SOM网络的医学图像融合

提出一种基于小波变换和自组织特征映射(SOM)神经网络的医学图像融合方法,对图像进行小波变换,以图像的小波系数为特征,采用SOM网络对图像进行聚类,并进行模糊分类,从而确定像素融合的权重,得到融合图像。仿真实验结果表明,该方法能够获得良好的性能。

多获胜节点SOM及其在股票分析中的应用

为了增强自组织映射(self-organizing map,SOM)网络的动态竞争和聚类能力,提高解的精度,在无监督的SOM神经网络的基础上,通过拓广获胜节点的数量,改进网络中的邻域函数和连接权函数等方法,提出具有多获胜节点的SOM模型.为了避免多个输入样本映射到同一个输出节点,还提出了禁忌映射的方法.为了验证所提出的方法的有效性,以股票的聚类分析为实例,对该方法进行了检验.通过对每股收益、每股净资产、净资产收益率、每股经营性现金流量及净利润等5项反映上市公司综合盈利能力的财务指标进行了模拟实验,所得的数值结果表明,在标准SOM及所提出的几种多获胜节点SOM网络模型中,具有双获胜节点(SOM with 2 winners,SOM2W)的网络模型获得了最好的聚类效果.结合实验结果对网络模型的进一步分析也表明,SOM2W的聚类能力优于标准SOM及其他网络模型.该模型为股票的分析和选择提供了一种可行的途径,在金融领域具有潜在的应用价值.

种养结合模式下基于R平台的土壤养分SOM神经网络分析

试验在双流县实施种养结合循环利用模式3年以上的吞拿养猪场进行,试验区土壤为油菜—水稻土,面积610000 m2,分为处理区(T区,405000 m2),和对照区(C区,205000 m2).T区连续灌溉沼液3年以上,不施用化肥;C区以施用化肥为主兼施少量农家肥.T区和C区均不施用化学农药.网格法取0-20 cm表层土样,采用电位法测定土壤pH,碱解扩散法测定土壤碱解氮(SAN),分别按国家相关标准测定土壤有机质(SOM),全氮(STN)有效磷(SAP),有效钾(SAK),并进行全磷(STP),全钾(STK)测定的样品前处理.再采用电感耦合等离子体原子发射光谱仪(ICP-OES)测定STP、STK;应用自组织映射(SOM)神经网络法基于R平台进行数据的神经网络聚类.结果表明:当输出神经元取4时结果较佳,此时全部数据被明显的聚为两类,聚类结果与试验分组数据吻合,准确度达到了87.09%与87.23%,表明,实施种养结合模式,使土壤养分构成产生了显著变化.还表明,在R平台上进行SOM神经网络分析具有易实现、易识别、可靠性强等优点.

PSO-SOM分类判别研究及其应用

针对网络初始权矢量选取的不确定性问题,提出了粒子群优化-自组织映射（PSO-SOM）算法,利用PSO算法优化SOM网络的初始权矢量,进而进行分类.将提出的方法用于基因表达数据的分类判别中,使得SOM网络的误差平方和大大下降,提高了网络的分类精度,表明PSO-SOM算法用于数据的分类判别是切实有效的.

基于SOM神经网络的高校图书馆个性化推荐服务系统构建

资源分类不合理、资源检索机制不完善是高校图书馆数字化建设中的重要问题。文章基于SO M神经网络聚类算法无参数、精准度高和客观性强的特点,首先对山西大学图书馆用户Web访问行为进行聚类和优化分析。其次,基于用户分析结果的输出,将用户个人特征信息、用户行为数据以及文献数据库等相关数据资源进行筛选整合,形成可靠性和可用性更高的关联数据集,并结合语义检索和属性值匹配等技术,构建高校图书馆用户个性化推荐服务系统。最后对系统进行有效性验证,实现了图书馆内部主题推荐、图书推荐和专家推荐三个子系统的协同。通过用户与文献资源特征的相关性计算,进一步识别用户的兴趣点和所在聚类集。

基于小波和SOM网络的船舶管系泄漏检测方法

为了实现对船舶管系的实时泄漏检测,降低负压波法的误报警率,必须将管系泄漏与调泵、调阀等常规操作识别开来。根据不同工况下管道压力和流量信号的波形特征不同,利用小波变换模极大值提取船舶管系工况的特征向量;设计和组建SOM网络(自组织特征映射神经网络),将工况特征向量输入SOM网络,通过网络训练建立输入与输出间良好的非线性映射;利用SOM网络抽取输入信号模式特征的能力,实现了船舶管系泄漏识别。经实验验证,该方法具有良好的准确度和适应性。

基于SOM神经网络的煤矿智能变电站故障录波启动判据算法

由于传统故障录波启动判据算法具有一定局限性,论文提出一种基于SOM神经网络的算法。以A相电流越限为例进行了算法的研究,依次完成SOM神经网络的构建,网络训练以及聚类预测,将输入向量归一化后输入到训练好的SOM网络中,输出结果会在二维平面阵列中显示出来,网络拓扑结构中的蓝色神经元代表A相越限,此时需要启动录波。为了验证模型的正确性,依次将维数不同的两组向量输入网络模型中,输出结果表明,基于SOM神经网络的故障录波启动判据算法自适应能力较强,能有效地完成录波启动,误差较小。

基于som网络-灰关联分析-BP网络预测模型

提出一种基于som网络-灰关联分析-BP网络预测模型,用于股市收盘价的预测.首先采用som神经网络将特性分散的样本划分成不同的子类,然后采用灰关联分析方法,解析了各影响因子对股市收盘价的影响程度,以反映股市收盘价的影响因子作为输入变量,构建了股市收盘价的BP网络预测模型,结果表明:利用灰关联分析,可得出各因子对股市收盘价影响程度的大小排序,能为股民提供参考;基于BP网络模型的预测结果准确,通过对所采集的股市数据进行测试,证实本文所提出的方法具有有效性.

基于改进PCA-SOM的电静压伺服作动器油滤堵塞故障诊断

针对电静压伺服作动器(EHA)的油滤堵塞故障,提出利用可调式球头油堵预置不同程度的油滤堵塞工况进行数据采集,并在传统自组织映射神经网络(SOM)的基础上,引入主成分分析(PCA)法,利用各元主成分贡献率对神经元竞争域值各维系数进行修订,提出了改进PCA-SOM神经网络对系统堵塞状态进行判识。研究结果表明,与传统SOM神经网络和PCA-SOM神经网络相比,改进PCA-SOM神经网络在提高聚类效果的同时,提高了模型的准确率和训练速度,在EHA的油滤堵塞故障诊断中有更好的适用性。

基于SOM神经网络的高校图书馆个性化需求挖掘系统研究

借助SOM神经网络聚类算法无参数、精准度高的特点,本文对山西大学图书馆的Web访问行为进行聚类和优化分析。将聚类行为分为指数函数粗调整和线性函数微调整两个优化阶段,有效提升聚类速率和聚类效果。基于对用户分析结果的输出,将用户个人特征信息、用户行为数据以及文献数据库进行筛选整合,形成可靠性和可用性更高的关联数据集,并结合语义检索和属性值匹配等技术建构用户个性化服务推荐系统,进行有效性验证,实现图书馆内部主题推荐、图书推荐和专家推荐三个子系统的协同。