自组织特征映射图论文-王鹏程,杨国栋,张晓晨,钟育谦,翟飞飞

自组织特征映射图论文-王鹏程,杨国栋,张晓晨,钟育谦,翟飞飞

导读:本文包含了自组织特征映射图论文开题报告文献综述及选题提纲参考文献,主要关键词:植物学,分类,排序,自组织特征映射网络

自组织特征映射图论文文献综述

王鹏程,杨国栋,张晓晨,钟育谦,翟飞飞[1](2019)在《宝华玉兰生存群落的自组织特征映射网络排序与分类》一文中研究指出为了解国家Ⅱ级保护植物宝华玉兰Magnolia zenii的种群分布规律及其濒危原因,进一步揭示宝华玉兰野生种群与群落及环境之间的生态关系,应用自组织特征映射网络(SOM)对宝华玉兰生存群落进行了排序和分类,以期为保护和管理宝华玉兰种群野生种质资源提供理论依据和新的方法。结果如下:①群落结构分析表明,宝华玉兰天然更新缺乏,且紫楠Phoebe sheareri,建始槭Acer henryi等优势种占据了主要生存空间与资源,影响了宝华玉兰种群增长和发展,使其在群落中处于不稳定地位;②SOM将40个样方进行聚类分析,得到7个群落类型。不同群落类型之间的物种组成存在差异,界限清晰,排序结果与优势种实际分布情况吻合,说明SOM的分类结果具有合理性;③环境因子可视化分析揭示了宝华玉兰分布于坡度较缓的半阳坡,种群分布主要受到坡向和坡度2个环境因子的影响,由于宝华玉兰自身生长过程中对环境要求的特殊性和不适应性,造成了其濒危现状;④SOM具有高度非线性拟合的特点,且能够同时进行排序和分类,并将分类结果可视化,呈现样方之间的相似性,说明SOM应用于群落分类和排序,反映种群与群落及环境之间的生态关系是合适的。(本文来源于《浙江农林大学学报》期刊2019年02期)

李萍[2](2018)在《自组织特征映射神经网络在土壤分类中的应用》一文中研究指出自组织特征映射网络(SOM网络)是一种具有聚类功能的网络,为了进一步对土壤进行分类,特意将自组织特征映射神经网络应用于其中。围绕着自组织特征映射神经网络在土壤分类中的应用展开,将土壤的7个理化指标表示其性状并作为输入向量,对输入向量进行仿真并训练。根据自组织特征映射神经网络的基本原理和算法,对中国某地区的10个土壤样本进行分类,并结合相关文献的研究成果进行对比,以MATLAB作为测试环境,运用神经网络训练和仿真土壤样本数据,结果表明SOM网络可以为土壤分类提供一种新的思路和方法,对土壤分类的效果较好。(本文来源于《忻州师范学院学报》期刊2018年05期)

赵闯,赵拥军,高明霞[3](2018)在《基于自组织特征映射的雷达脉冲欠定盲分离方法》一文中研究指出对雷达辐射源的侦察是电磁频谱感知的重要内容。针对现代电磁环境,特别是雷达信号复杂多变以及多域重迭的特点,开展以传统脉冲描述字为工作对象的盲分选方法。首先分析雷达信号的盲分离模型;在此基础上,建立并分析了基于脉冲描述字的对比函数;然后提出基于自组织特征映射的雷达脉冲盲分离算法。该方法充分利用雷达信号的时域稀疏性,改进自组织特征映射网络对输入模式的聚类优化准则,提升算法对复杂电磁环境的适用性。仿真分析表明,算法能够分离由频率捷变、重复周期参差以及重复周期跳变等复杂体制交迭的信号,具有较好的鲁棒性。(本文来源于《信息工程大学学报》期刊2018年04期)

闫梦鸽,董晓舟,李颖,张莹,毕云峰[4](2018)在《激光诱导击穿光谱的自组织特征映射结合相关判别对天然地质样品分类方法研究》一文中研究指出激光诱导击穿光谱技术具有微损、原位、快速分析的特点,在样品分类识别、成分分析等领域有广阔的应用前景。为探索该技术在天然地质样品识别应用的可行性,提出了一种自组织特征映射神经网络结合相关判别对天然地质样品LIBS光谱分类识别的方法。为减小全谱中背景噪声等不相关数据干扰、降低计算量,在元素谱线归属的基础上进行了特征谱线提取,实现了高维光谱数据的降维。以特征谱数据为输入建立网络训练模型,得到具有输入样本特征的权向量,通过权向量与待测样本进行相关分析可以实现样品分类。对16种天然地质样品的分类算法实验证明,在全谱、主成分降维和特征谱段叁种数据处理方法中,特征谱的降维和提取LIBS数据主特征效果最优。改进的SOM网络结合相关判别算法比支持向量机方法和直接应用SOM网络方法的分类准确度更高,初步证实了该方法的有效性。(本文来源于《光谱学与光谱分析》期刊2018年06期)

王淑芬,王卫[5](2018)在《基于自组织特征映射神经网络技术的多维土壤数据分析》一文中研究指出自组织特征映射神经网络技术(self-organizing map,SOM)因其强大的非线性拟合能力和可视化特点在土壤多维数据分析中具有独特的优势。将SOM技术应用于表层土壤多维数据分析,进而开展人工神经网络技术(artificial neural network,ANN)在环境领域的应用研究。以乌苏-奎屯-独山子-沙湾地区为研究区域,共采集199个表层土壤样本,分析得到22个土壤属性。利用SOM技术开展了土壤聚类分析、采样点优化、土壤属性相关性等研究。结果表明:研究区域土壤属性变异系数较高,土壤受人类活动影响明显,除pH外,其余21个土壤属性数据分布服从正态分布或对数正态分布。依据土壤内在的相关性及土壤属性的相似性,将土壤样本分为42组,综合考虑分组情况和采样点的空间分布特点,将土壤属性显着相似且空间相邻的24个采样点进行优化处理。土壤属性之间呈现一定的相关性,如OM与pH呈负相关性,而与ωH_2O呈正相关性;OM与As、Cr、Mn、Cu、Zn、Pb、Ni、Al、Co、Fe、Mo、Ti呈正相关性,但与K、Na、Sb呈负相关性;Cr、Mn、Cu、Zn、Co、Fe之间呈正相关性;Cd和Ni呈正相关性;Al和Ti具有较高的正相关性;而V、Hg、Pb、Sb相互间无显着相关性。(本文来源于《中国农业科技导报》期刊2018年04期)

唐文超,杨华元,刘堂义,高明,徐刚[6](2017)在《基于运动视频和自组织特征映射神经网络的针刺提插手法量化分类研究》一文中研究指出目的:通过自组织特征映射神经网络(SOM)分析由德国Simi Motion 3D叁维运动图像解析系统导出的教师提插手法参数,获取手法分类及特征。方法:研究选择30名针灸教师,取一侧"曲池穴"作为施术穴位,记录提插平补平泻、补法、泻法的运动视频。视频经由Simi Motion 3D叁维运动图像解析系统分析,得出拇指指尖跟踪标记点位原始运动参数,通过SOM分析教师手法分类参数。结果:针刺手法参数呈非正态分布,离散度较大;平补平泻与补法可分为4类,泻法可分为5类,各分类的特征集中程度般。结论:针刺手法参数总体上表现为非正态分布的多样性特征,为典型"人为控制曲线",表现出神经网络分类集中度较低的特点,其分类主要根据曲线外形及周期长短进行,且与手法难以程度相关。该技术可应用于各类手法的量化分析与技术传承研究,并能为针灸规范化与标准化提供参考。(本文来源于《2017世界针灸学术大会暨2017中国针灸学会年会论文集》期刊2017-12-01)

丁力,周啸虎,陈宇辰,高伟[7](2017)在《基于自组织特征映射和梯度熵聚类的MR脑部图像分割新算法》一文中研究指出目的提出一种新颖的基于自组织特征映射和遗传算法的无监督MR脑部图像分割算法。方法本研究算法分为5步:图像预处理去除背景噪声和颅骨部分、提取图像中两类统计特征和几何不变矩、遗传算法降低特征空间维度、训练自组织特征映射完成向量分类和使用梯度熵聚类算法得到分割图像。结果选用国际MR脑图像库和临床实例MR图像进行仿真实验。定性分析表明基于本文算法的分割图像中白质、灰质和脑脊液边界完整清晰;定量评估结果显示本文提出的遗传特征优化算法优于常用的主分量分析法,梯度熵算法所得分割图像优于K-means聚类算法,且本文提出的算法在白质和脑脊液分割方面优于现存最佳的CGMM算法。结论本文提出的分割流程没有涉及任何关于体素分类的先验知识,是一种完全无监督的MR脑部组织自动分割方法,具有很强的稳定性、优越性,且获得高精确性的分割图像。(本文来源于《中国医疗设备》期刊2017年10期)

陈军林,彭润民,李帅值,陈喜财[8](2017)在《利用自组织特征映射神经网络和K-means聚类算法挖掘区域化探数据中的地质信息》一文中研究指出区域化探数据包含丰富的地质信息,从区域化探数据中挖掘出这些信息,对于区域地质研究具有重要意义。笔者提出了一种利用自组织特征映射网络和K-means聚类算法挖掘区域化探数据中地质信息的方法,将标准化之后的元素含量数据作为模型输入值,通过自组织神经网络进行聚类,再通过K-means算法进行二次聚类,从聚类结果中分析其中包含的地质信息。以英格兰西南部某区水系沉积物区域化探数据为例,进行实例研究以检验该方法的实际效果。实例结果表明:(1)利用该方法得出的聚类结果图很好地响应了地质体的空间分布,可用于推断地质体的分布特征;(2)地质信息隐藏在每个聚类类型的地球化学特征之中,通过对这些特征进行分析和解释,可以挖掘出其中所包含的信息;(3)基于SOM网络和K-means聚类的区域化探数据挖掘方法是一种有效的地质信息获取方法,对于传统区域地质研究可以起到补充和增强的作用。(本文来源于《物探与化探》期刊2017年05期)

唐文超,杨华元,刘堂义,高明,徐刚[9](2017)在《基于运动视频和自组织特征映射神经网络的针刺提插手法量化分类研究》一文中研究指出目的通过自组织特征映射神经网络(SOM)分析由德国Simi Motion 3D叁维运动图像解析系统导出的教师提插手法参数,获取手法分类及特征。方法研究选择30名针灸教师,取一侧"曲池穴"作为施术穴位,记录提插平补平泻、补法、泻法的运动视频。视频经由Simi Motion 3D叁维运动图像解析系统分析,得出拇指指尖跟踪标记点位原始运动参数,通过SOM分析教师手法分类参数。结果针刺手法参数呈非正态分布,离散度较大;平补平泻与补法可分为4类,泻法可分为5类,各分类的特征集中程度一般。结论针刺手法参数总体上表现为非正态分布的多样性特征,为典型"人为控制曲线",表现出神经网络分类集中度较低的特点,其分类主要根据曲线外形及周期长短进行,且与手法难易程度相关。该技术可应用于各类手法的量化分析与技术传承研究,并能为针灸规范化与标准化提供参考。(本文来源于《上海针灸杂志》期刊2017年08期)

阮晓钢,李诚,朱晓庆[10](2017)在《基于可删减自组织特征映射图的机器人室内拓扑地图的构建》一文中研究指出环境地图构建是机器人进行导航的重要前提,自组织特征映射图(Self-Organizing Map,SOM)和可生长自组织特征映射图(Growing Self-OrganizingMap,GSOM)可以通过环境认知构建室内环境的拓扑地图,但是传统的SOM图在构建环境拓扑地图时存在含有错误结构问题,而GSOM图存在耗时长弊端。针对上述问题,本文提出一种可删减结构的SOM图算法,该算法通过删减SOM图中存在于障碍物中的神经元和神经元连接关系,从而获得较准确的环境拓扑图,同时相比GSOM图大大缩短程序的运行时间。基于真实物理环境的室内地图创建实验结果验证了本文提出的可删减自组织特征映射图方法的有效性。(本文来源于《第36届中国控制会议论文集(D)》期刊2017-07-26)

自组织特征映射图论文开题报告

(1)论文研究背景及目的

此处内容要求:

首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。

写法范例:

自组织特征映射网络(SOM网络)是一种具有聚类功能的网络,为了进一步对土壤进行分类,特意将自组织特征映射神经网络应用于其中。围绕着自组织特征映射神经网络在土壤分类中的应用展开,将土壤的7个理化指标表示其性状并作为输入向量,对输入向量进行仿真并训练。根据自组织特征映射神经网络的基本原理和算法,对中国某地区的10个土壤样本进行分类,并结合相关文献的研究成果进行对比,以MATLAB作为测试环境,运用神经网络训练和仿真土壤样本数据,结果表明SOM网络可以为土壤分类提供一种新的思路和方法,对土壤分类的效果较好。

(2)本文研究方法

调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。

观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。

实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。

文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。

实证研究法:依据现有的科学理论和实践的需要提出设计。

定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。

定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。

跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。

功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。

模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。

自组织特征映射图论文参考文献

[1].王鹏程,杨国栋,张晓晨,钟育谦,翟飞飞.宝华玉兰生存群落的自组织特征映射网络排序与分类[J].浙江农林大学学报.2019

[2].李萍.自组织特征映射神经网络在土壤分类中的应用[J].忻州师范学院学报.2018

[3].赵闯,赵拥军,高明霞.基于自组织特征映射的雷达脉冲欠定盲分离方法[J].信息工程大学学报.2018

[4].闫梦鸽,董晓舟,李颖,张莹,毕云峰.激光诱导击穿光谱的自组织特征映射结合相关判别对天然地质样品分类方法研究[J].光谱学与光谱分析.2018

[5].王淑芬,王卫.基于自组织特征映射神经网络技术的多维土壤数据分析[J].中国农业科技导报.2018

[6].唐文超,杨华元,刘堂义,高明,徐刚.基于运动视频和自组织特征映射神经网络的针刺提插手法量化分类研究[C].2017世界针灸学术大会暨2017中国针灸学会年会论文集.2017

[7].丁力,周啸虎,陈宇辰,高伟.基于自组织特征映射和梯度熵聚类的MR脑部图像分割新算法[J].中国医疗设备.2017

[8].陈军林,彭润民,李帅值,陈喜财.利用自组织特征映射神经网络和K-means聚类算法挖掘区域化探数据中的地质信息[J].物探与化探.2017

[9].唐文超,杨华元,刘堂义,高明,徐刚.基于运动视频和自组织特征映射神经网络的针刺提插手法量化分类研究[J].上海针灸杂志.2017

[10].阮晓钢,李诚,朱晓庆.基于可删减自组织特征映射图的机器人室内拓扑地图的构建[C].第36届中国控制会议论文集(D).2017

标签:;  ;  ;  ;  

自组织特征映射图论文-王鹏程,杨国栋,张晓晨,钟育谦,翟飞飞
下载Doc文档

猜你喜欢