基于自增长型多级自组织映射网络的模式识别 被引量：2

1

作者 傅彦 周俊临 《计算机科学》 CSCD 北大核心 2004年第5期159-162,共4页

以自组织映射网络为主要研完对象,描述了自组织映射网络的基本模型。在传统自组织映射网络的基础上,提出了基于自增长型多级自组织映射网络的模式识别方法,能够解决传统自组织映射网的静态结构带来的诸多问题,如在进行训练前必须预先确... 以自组织映射网络为主要研完对象,描述了自组织映射网络的基本模型。在传统自组织映射网络的基础上,提出了基于自增长型多级自组织映射网络的模式识别方法,能够解决传统自组织映射网的静态结构带来的诸多问题,如在进行训练前必须预先确定网络的模型和神经元数目及其排列方式,若一次分类不准确将严重影响分析结果,等等。而且这种多组结构,还能将输入数据中存在的分级信息直观地表示出来,对于高维数据的分析尤其有利,因此自增长型多级自组织映射网络对大规模模式识别的研完一定会产生极大的促进作用。 展开更多

关键词 自增长型 自组织映射网络 模式识别 人工神经网络 高维数据分析

在线阅读 下载PDF 职称材料

基于自组织映射和K-means聚类的分层设计空间动态缩减方法及其在船型优化中的应用 被引量：1

2

作者 于群 李鹏 +3 位作者 郑强 冯佰威 邱春良 曾大连 《中国舰船研究》 CSCD 北大核心 2024年第6期64-73,共10页

[目的]基于CFD的船型优化由于其高维、计算昂贵、“黑盒”等特点,通常会存在优化效率低,优化质量差的问题。针对以上问题,基于自组织映射方法和K-means聚类提出分层设计空间动态缩减方法(HSRM)。[方法]利用K-means聚类算法,对自组织映... [目的]基于CFD的船型优化由于其高维、计算昂贵、“黑盒”等特点,通常会存在优化效率低,优化质量差的问题。针对以上问题,基于自组织映射方法和K-means聚类提出分层设计空间动态缩减方法(HSRM)。[方法]利用K-means聚类算法,对自组织映射方法的可视化结果进行聚类,并提取感兴趣的区域。通过该方式,可在船型优化过程中,对样本仿真数据进行数据挖掘、提取设计知识、指导设计优化,以提高优化质量。最后将该方法应用于7500吨级散货船的船型优化设计过程以验证有效性。[结果]结果表明,利用传统粒子群优化算法(PSO)和HSRM得到的优化船型总阻力分别降低1.854%和2.266%,HSRM能得到更高质量的优化解。[结论]所提出的方法可以指导优化算法向着最优解的方向进行寻优,有效提高优化效率和优化质量。 展开更多

关键词 船舶设计 船型优化 自组织映射 设计空间缩减 聚类分析 分层设计空间动态缩减方法

在线阅读 下载PDF 职称材料

基于自组织神经网络的分簇成链协议 被引量：3

3

作者 肖婧 郑更生 +1 位作者 方勇 陈蒂 《计算机工程》 CAS CSCD 2013年第7期148-151,共4页

针对无线传感器网络的能量损耗问题,提出一种基于自组织神经网络的分簇成链路由协议RBCSC。该协议借鉴经典低功耗自适应集簇分层型(LEACH)协议的算法,采用自组织神经网络进行分簇,并运用贪婪算法成链。仿真实验结果表明,与LEACH协议相比... 针对无线传感器网络的能量损耗问题,提出一种基于自组织神经网络的分簇成链路由协议RBCSC。该协议借鉴经典低功耗自适应集簇分层型(LEACH)协议的算法,采用自组织神经网络进行分簇,并运用贪婪算法成链。仿真实验结果表明,与LEACH协议相比,RBCSC协议可减少网络节点能耗,延长网络生存周期。 展开更多

关键词 低功耗自适应集簇分层型协议 自组织映射 分簇 生存周期 贪婪算法 无线传感器网络

在线阅读 下载PDF 职称材料

一种基于小波分解的图象分层分类矢量量化方法

4

作者 杨采坚 张良仪 吴敏金 《华东师范大学学报（自然科学版）》 CAS CSCD 北大核心 2001年第1期32-37,共6页

作者提出了一种基于小波分解及采用自组织特征映射神经网络进行分层分类矢量量化的静态图像压缩编码方法。首先对图象进行小波分解。利用不同分辩率级间小波子图的相似性 ,将最低分辩率层子图的矢量编码信息作为整幅图象的解码数据 ,并... 作者提出了一种基于小波分解及采用自组织特征映射神经网络进行分层分类矢量量化的静态图像压缩编码方法。首先对图象进行小波分解。利用不同分辩率级间小波子图的相似性 ,将最低分辩率层子图的矢量编码信息作为整幅图象的解码数据 ,并将其矢量分类和解码索引地址信息用于高分辩率层子图的码书训练。实验表明 ,和其他文献提出的方法相比 ,作者提出的方法在获得较好重构图象质量的前提下 。 展开更多

关键词 小波变换 自组织特征映射神经网络 分层分类矢量量化 图像压缩编码 图像分析

在线阅读 下载PDF 职称材料

SDN场景中基于双向流量特征的DDoS攻击检测方法 被引量：10

5

作者 陈超 曹晓梅 《计算机应用研究》 CSCD 北大核心 2019年第7期2148-2153,共6页

传统网络资源的分布式特性使得管理员较难实现网络的集中管控,在分布式拒绝服务攻击发生时难以快速准确地检出攻击并溯源。针对这一问题,结合软件定义网络集中管控、动态管理的优势和分布式拒绝服务攻击特点,引入双向流量概念,提出了攻... 传统网络资源的分布式特性使得管理员较难实现网络的集中管控,在分布式拒绝服务攻击发生时难以快速准确地检出攻击并溯源。针对这一问题,结合软件定义网络集中管控、动态管理的优势和分布式拒绝服务攻击特点,引入双向流量概念,提出了攻击检测四元组特征,并利用增长型分层自组织映射算法对网络流中提取的四元组特征向量快速准确地分析并分类,同时提出了一种通过自适应改变监控流表粒度以定位潜在受害者的检测方法。仿真实验结果表明,提出的四元组特征及下发适量监控流表项的检测算法能以近似96%的准确率检出攻击并定位受害者,且对控制器造成的计算开销较小。 展开更多

关键词 软件定义网络 双向流量 四元组特征 分布式拒绝服务攻击 增长型分层自组织映射

在线阅读 下载PDF 职称材料

基于GHSOM网络的时间序列聚类方法

6

作者 刘世元 吕黎 《计算机工程》 CAS CSCD 北大核心 2007年第6期208-210,共3页

提出了一种基于增长型分层自组织映射(GHSOM)的时间序列聚类方法,给出了该方法的基本原理和具体算法步骤,对实测时间序列数据进行了聚类验证和分析。研究结果表明,增长型分层自组织映射能根据对象特征无监督地对时间序列进行正确聚类,... 提出了一种基于增长型分层自组织映射(GHSOM)的时间序列聚类方法,给出了该方法的基本原理和具体算法步骤,对实测时间序列数据进行了聚类验证和分析。研究结果表明,增长型分层自组织映射能根据对象特征无监督地对时间序列进行正确聚类,由于具有动态增长及分层特性,能分析对象内在的层次结构并实现由粗到精的聚类,可以扩展应用于大型乃至巨量时间序列数据库的模式发现。 展开更多

关键词 时间序列 模式发现 增长型分层自组织映射 聚类

在线阅读 下载PDF 职称材料

基于增量式GHSOM神经网络模型的入侵检测研究 被引量：82

7

作者 杨雅辉 黄海珍 +2 位作者 沈晴霓 吴中海 张英 《计算机学报》 EI CSCD 北大核心 2014年第5期1216-1224,共9页

传统的网络入侵检测方法利用已知类型的攻击样本以离线的方式训练入侵检测模型,虽然对已知攻击类型具有较高的检测率,但是不能识别网络上新出现的攻击类型.这样的入侵检测系统存在着建立系统的速度慢、模型更新代价高等不足,面对规模日... 传统的网络入侵检测方法利用已知类型的攻击样本以离线的方式训练入侵检测模型,虽然对已知攻击类型具有较高的检测率,但是不能识别网络上新出现的攻击类型.这样的入侵检测系统存在着建立系统的速度慢、模型更新代价高等不足,面对规模日益扩大的网络和层出不穷的攻击,缺乏自适应性和扩展性,难以检测出网络上新出现的攻击类型.文中对GHSOM(Growing Hierarchical Self-Organizing Maps)神经网络模型进行了扩展,提出了一种基于增量式GHSOM神经网络模型的网络入侵检测方法,在不破坏已学习过的知识的同时,对在线检测过程中新出现的攻击类型进行增量式学习,实现对入侵检测模型的动态扩展.作者开发了一个基于增量式GHSOM神经网络模型的在线网络入侵检测原型系统,在局域网环境下开展了在线入侵检测实验.实验结果表明增量式GHSOM入侵检测方法具有动态自适应性,能够实现在线检测过程中对GHSOM模型的动态更新,而且对于网络上新出现的攻击类型,增量式GHSOM算法与传统GHSOM算法的检测率相当. 展开更多

关键词 增量式学习 生长型分层自组织映射 入侵检测 神经网络 信息安全 网络安全

在线阅读 下载PDF 职称材料

一种基于半监督GHSOM的入侵检测方法 被引量：23

8

作者 阳时来 杨雅辉 +1 位作者 沈晴霓 黄海珍 《计算机研究与发展》 EI CSCD 北大核心 2013年第11期2375-2382,共8页

基于神经网络的入侵检测方法是入侵检测技术的一个重要发展方向.在已有无监督生长型分层自组织映射(growing hierarchical self-organizing maps,GHSOM)神经网络算法的基础上,提出了一种半监督GHSOM算法.该算法利用少量有标签的数据指... 基于神经网络的入侵检测方法是入侵检测技术的一个重要发展方向.在已有无监督生长型分层自组织映射(growing hierarchical self-organizing maps,GHSOM)神经网络算法的基础上,提出了一种半监督GHSOM算法.该算法利用少量有标签的数据指导大规模无标签数据的聚类过程.一方面借鉴cop-kmeans半监督机制,解决了原始算法中返回空划分的问题,并将其应用到GHSOM算法中.另一方面提出了神经元信息熵的概念作为子网生长的判断条件,提高了GHSOM网络子网划分的精度.此外还利用有标签的数据自动确定聚类结果的入侵类型.对KDD Cup 1999数据集和LAN环境下模拟产生的数据集进行的入侵检测实验表明:相比于无监督的GHSOM算法,半监督的GHSOM算法对各种类型的攻击具有较高的检测率. 展开更多

关键词 入侵检测 半监督 生长型分层自组织映射 聚类 信息熵

在线阅读 下载PDF 职称材料

应用GHSOM网络分析南海北部表层环流模态与黑潮入侵 被引量：3

9

作者 徐晓华 廖光洪 +2 位作者 杨成浩 袁耀初 黄韦艮 《热带海洋学报》 CAS CSCD 北大核心 2013年第5期29-41,共13页

基于1992年10月至2009年11月卫星观测的海表高度(SSH)时间序列数据,应用增长型分级自组织映射(GHSOM)人工神经网络方法研究南海北部和西太平洋SSH和中尺度涡旋的变化,识别出该海域SSH的季节和年际变化信号。分析表明,流经吕宋海峡的黑... 基于1992年10月至2009年11月卫星观测的海表高度(SSH)时间序列数据,应用增长型分级自组织映射(GHSOM)人工神经网络方法研究南海北部和西太平洋SSH和中尺度涡旋的变化,识别出该海域SSH的季节和年际变化信号。分析表明,流经吕宋海峡的黑潮分支在冷季入侵南海北部,同时在吕宋岛西北海域出现一个强烈的气旋式涡旋,表层黑潮的入侵与跨过吕宋海峡南北的经向压力梯度密切相关。黑潮的非入侵事件主要出现在暖季。春秋季节作为两个事件的过渡期,环流结构复杂,由GHSOM的第2层特征图进一步进行分类识别。黑潮入侵事件和非入侵事件发生的百分比分别为24.57%和27.53%,过渡模态的百分比为47.87%。当入侵南海事件发生时,南海北部表层环流流态相对简单,主要为气旋环流控制南海北部,吕宋海峡表层海流是否入侵南海,与南海北部中尺度涡旋特别是吕宋岛西北的气旋式涡的变化关系密切;反之,在非入侵事件发生时,南海北部出现多涡结构,环流流态复杂,表明吕宋海峡海流入侵南海对南海北部环流也有重要调整作用。除季节尺度变化外,年际时间尺度变化信号也十分显著。在1994—1995、1997—1998和2002—2003年期间,表层黑潮入侵南海北部的事件要显著多于其他年份,然而入侵事件在1998—2001年和2006—2009年时间段明显减少,非入侵事件增加。应用欧氏距离定义的模态2的时间发展序列与Ni o3.4指数序列延迟相关。 展开更多

关键词 海表高度 南海北部环流 黑潮入侵 增长型分级自组织映射 季节变化 年际变化

在线阅读 下载PDF 职称材料

基于SOFM网络的多层模糊关联规则挖掘算法 被引量：2

10

作者 李学俊 李龙澍 徐怡 《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心 2007年第5期81-85,共5页

为了表示复杂庞大的概念层次树,文中提出了一种更加通用的编码方案,将概念分层应用于模糊关联规则的挖掘.此外,为解决隶属度函数难以主观确定的问题,引入一种SOFM网络来确定样本数据的隶属度函数.基于改进的概念层次树的编码方案和SOFM... 为了表示复杂庞大的概念层次树,文中提出了一种更加通用的编码方案,将概念分层应用于模糊关联规则的挖掘.此外,为解决隶属度函数难以主观确定的问题,引入一种SOFM网络来确定样本数据的隶属度函数.基于改进的概念层次树的编码方案和SOFM网络,将模糊集引入关联规则挖掘中,设计了一种新的多层模糊关联规则挖掘算法.实验结果表明,该算法可以有效地挖掘出易于理解的、有意义的多层次模糊关联规则,具有很好的效率和伸缩性. 展开更多

关键词 自组织特征映射网络 概念分层 模糊集 关联规则

在线阅读 下载PDF 职称材料

基于GHSOM网络的南海风场时空变化特征分析 被引量：1

11

作者 周益飞 廖光洪 《海洋学研究》 CSCD 北大核心 2022年第2期19-31,共13页

基于1979—2018年欧洲中期天气预报中心(ECMWF)近海面10 m风场资料,采用增长型分层自组织映射(GHSOM)神经网络方法,对南海海表面风场(SSW)的季节变化和年际异常变化进行了分析,结果表明:(1)GHSOM网络训练原始风场数据第一层结果揭示了4... 基于1979—2018年欧洲中期天气预报中心(ECMWF)近海面10 m风场资料,采用增长型分层自组织映射(GHSOM)神经网络方法,对南海海表面风场(SSW)的季节变化和年际异常变化进行了分析,结果表明:(1)GHSOM网络训练原始风场数据第一层结果揭示了4个特征模态,高度概括了南海近海面风场的季节变化特征;第二层结果提取了风场的月变化特征。(2)GHSOM网络训练异常风场数据第一层结果揭示了4类异常风场特征模态:反气旋式异常、气旋式异常、西南风异常和东北风异常模态。其中反气旋式异常和气旋式异常模态呈现出不对称现象,即反气旋式异常风场的振幅大于气旋式异常风场;且这两个模态与ENSO事件密切相关,它们的时间序列与Ni1o 3.4指数序列存在显著的延迟相关。同时,东北风异常风场模态的发生频率大于西南风异常模态。向下扩展的第二层结果揭露了异常风场模态更多的细节特征。 展开更多

关键词 海面风 增长型分层自组织映射 季节变化 年际异常变化 南海

在线阅读 下载PDF 职称材料

基于主体的分布式聚类系统

12

作者 史春奇 林芬 史忠植 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2006年第B07期346-350,共5页

随着网络的发展，对分布式数据处理的需求日益提高．分布式聚类系统是典型的分布式数据挖据，是分布式数据检索的重要部分．在多主体环境（MAGE）的基础上，构架一个分布式的聚类系统，核心学习算法是生长分层自组织映射网络．MAGE系统... 随着网络的发展，对分布式数据处理的需求日益提高．分布式聚类系统是典型的分布式数据挖据，是分布式数据检索的重要部分．在多主体环境（MAGE）的基础上，构架一个分布式的聚类系统，核心学习算法是生长分层自组织映射网络．MAGE系统为从分布式环境中信息的获取以及知识的共享提供平台．生长分层自组织映射（GHSOM）网络动态生长的特点适合分布环境下对分布数据总体信息的缺乏；它的分层网络结构能更好组织数据类别；学习得到的生长分层白组织映射网络也可以作为检索的接口．该系统可以很好地被用到分布式数据检索系统中去，例如分布式图像检索． 展开更多

关键词 分布式系统 主体 聚类 生长分层自组织映射

在线阅读 下载PDF 职称材料

夜间静止卫星红外云图的GHSOM网络云分类模型 被引量：2

13

作者 闫廷亚 王杉 《江西师范大学学报（自然科学版）》 CAS 北大核心 2015年第4期383-388,410,共7页

针对夜间云分类准确率低下的问题,利用奇异值分解方法对FY-2E夜间红外云图进行特征提取和选择,从中筛选出包括亮温和分裂窗差值在内的不同的纹理特征.分别采用动态增长型分层自组织和自组织映射2种神经网络模型对夜间云图进行分类,并将... 针对夜间云分类准确率低下的问题,利用奇异值分解方法对FY-2E夜间红外云图进行特征提取和选择,从中筛选出包括亮温和分裂窗差值在内的不同的纹理特征.分别采用动态增长型分层自组织和自组织映射2种神经网络模型对夜间云图进行分类,并将2种网络模型的分类效果进行对比分析.实验结果表明:GHSOM网络模型在夜间云图分类方面效果较好,平均准确率总体上高于SOM,通过分层的分类方法极大地提高了夜间云图的分类准确率. 展开更多

关键词 动态增长型分层自组织 自组织映射 夜间云图 云分类

在线阅读 下载PDF 职称材料