一个基于自组织特征映射网络的混合神经网络结构(英文) 被引量：4

1

作者 戴群 陈松灿 王喆 《软件学报》 EI CSCD 北大核心 2009年第5期1329-1336,共8页

将ICBP网络模型引入BP-SOM(self-organizing feature maps)网络体系结构,并构建了一个基于SOM模型的集成型网络ICBP-SOM.BP-SOM是Ton Weijters提出的一种学习算法,它的目标是克服BP网络在特定类型的学习样本中存在的知识推广性方面的严... 将ICBP网络模型引入BP-SOM(self-organizing feature maps)网络体系结构,并构建了一个基于SOM模型的集成型网络ICBP-SOM.BP-SOM是Ton Weijters提出的一种学习算法,它的目标是克服BP网络在特定类型的学习样本中存在的知识推广性方面的严重缺陷.提出此集成型网络的动机是,利用BP-SOM良好的知识解释能力和ICBP网络良好的推广性和自适应性构造一个ICBP-SOM模型,它具有良好的知识表示能力和极具竞争力的推广性能.在6个基准数据集上的实验结果验证了这一集成型网络的可行性和有效性. 展开更多

关键词 神经网络 圆型反向传播网络 改进的圆型反向传播网络 自组织特征映射 BP—SOM 分类

在线阅读 下载PDF 职称材料

基于自组织特征映射神经网络的数字模式识别 被引量：3

2

作者 许新征 曾文华 《厦门大学学报（自然科学版）》 CAS CSCD 北大核心 2005年第3期333-336,共4页

在分析自组织特征映射(SOFM)神经网络基本学习算法的基础上,从提高算法收敛速度和性能出发,提出了一种改进算法:随机选择样本输入次序;根据实际应用并结合专家经验确定初始连接权值;采用高斯函数作为拓扑邻域函数;将算法分成排序和收敛... 在分析自组织特征映射(SOFM)神经网络基本学习算法的基础上,从提高算法收敛速度和性能出发,提出了一种改进算法:随机选择样本输入次序;根据实际应用并结合专家经验确定初始连接权值;采用高斯函数作为拓扑邻域函数;将算法分成排序和收敛两个阶段,并分别采用不同的学习率和邻域函数.采用改进后的SOFM算法对输入样本进行自组织聚类,再利用学习矢量量化(LVQ)算法解决样本分类中的交迭问题,提高了分类精度.仿真实验结果表明,该网络能够识别常用的数字(0～9)和英文字母,特别是在有噪声污染的情况下,可以获得较好的效果. 展开更多

关键词 自组织特征映射神经网络 数字模式识别 SOFM算法 学习矢量量化 自组织聚类 随机选择 改进算法 收敛速度 学习算法 连接权值 经验确定 高斯函数 样本分类 噪声污染 英文字母 仿真实验 分类精度 学习率 再利用 邻域

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

3

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

新型Elman混沌神经网络的流量预测 被引量：5

4

作者 党小超 郝占军 门健 《计算机工程》 CAS CSCD 北大核心 2011年第3期172-174,共3页

根据实际网络中测量得到的网络流量数据,提出一种改进型Elman神经网络模型——季节性输入多层反馈Elman网络。在网络权值的训练过程中引入混沌搜索机制,利用Tent映射的遍历性进行混沌变量的优化搜索,以减少数据冗余,解决局部收敛问题。... 根据实际网络中测量得到的网络流量数据,提出一种改进型Elman神经网络模型——季节性输入多层反馈Elman网络。在网络权值的训练过程中引入混沌搜索机制,利用Tent映射的遍历性进行混沌变量的优化搜索,以减少数据冗余,解决局部收敛问题。实验结果表明,该模型及其算法有效提高了网络的训练速度及网络流量的预测精度。 展开更多

关键词 改进型Elman神经网络 网络流量 混沌搜索 网络流量预测 TENT映射

在线阅读 下载PDF 职称材料

基于改进SOM神经网络的异网电信用户细分研究 被引量：1

5

作者 刘铭 张双全 何禹德 《广西师范大学学报（自然科学版）》 CAS 北大核心 2018年第3期17-24,共8页

在对用户价值认知的基础上,电信运营商对用户进行正确分类是其了解用户的重要手段。电信运营商可以将用户分为不同的类别,并以此制定差别化服务政策,从而进行差异化营销来提高企业效益。本文首先对异网电信用户进行了细分研究,为提高分... 在对用户价值认知的基础上,电信运营商对用户进行正确分类是其了解用户的重要手段。电信运营商可以将用户分为不同的类别,并以此制定差别化服务政策,从而进行差异化营销来提高企业效益。本文首先对异网电信用户进行了细分研究,为提高分类的准确率,在传统自组织映射神经网络基础上,对学习速度和权重向量初始值的确定进行了改进,提出了改进的自组织映射神经网络;同时采用改进的自组织映射神经网络对某省电信运营商提供的用户数据进行仿真。仿真结果表明:改进的自组织映射神经网络在兼顾稳定性的同时,很好地解决了自组织过慢问题,提高了用户分类的准确率,大幅度减小误差。最后根据分类结果为电信运营商实施差异化营销提供了基本规则。 展开更多

关键词 改进型自组织映射 异网电信用户 细分研究

在线阅读 下载PDF 职称材料

SOM神经网络算法的研究与进展 被引量：80

6

作者 杨占华 杨燕 《计算机工程》 EI CAS CSCD 北大核心 2006年第16期201-202,228,共3页

自组织映射(Self-organizingMaps,SOM)算法是一种无导师学习方法,具有良好的自组织、可视化等特性,已经得到了广泛的应用和研究。该文系统地介绍了SOM算法的产生背景、基本算法。同时对SOM算法的参数设置和其不足进行了分析。重点归纳... 自组织映射(Self-organizingMaps,SOM)算法是一种无导师学习方法,具有良好的自组织、可视化等特性,已经得到了广泛的应用和研究。该文系统地介绍了SOM算法的产生背景、基本算法。同时对SOM算法的参数设置和其不足进行了分析。重点归纳了其发展过程中的各种改进算法,并对其研究热点及应用领域作了简要的综述,最后展望了该算法的发展方向。 展开更多

关键词 神经网络 自组织映射(SOM) 改进算法 无导师学习 神经元

在线阅读 下载PDF 职称材料

BP混沌混合神经网络在光纤陀螺温度漂移预测中的应用 被引量：6

7

作者 潘华 李安 胡柏青 《中国惯性技术学报》 EI CSCD 2006年第6期73-75,共3页

提出使用BP混沌混合神经网络建立FOG温度漂移模型的方法。该方法在BP算法中采用了改进型Logistic-Map映射生成的混沌变量,能够避免陷入局部最小,可迅速达到全局最优。应用该方法分析某型FOG温度漂移实测数据,结果表明其具有良好的预测... 提出使用BP混沌混合神经网络建立FOG温度漂移模型的方法。该方法在BP算法中采用了改进型Logistic-Map映射生成的混沌变量,能够避免陷入局部最小,可迅速达到全局最优。应用该方法分析某型FOG温度漂移实测数据,结果表明其具有良好的预测效果。 展开更多

关键词 光纤陀螺 温度漂移预测 BP混沌混合神经网络 改进型Logistic-Map映射

在线阅读 下载PDF 职称材料

基于改进的GHSOM的入侵检测研究 被引量：24

8

作者 杨雅辉 姜电波 +1 位作者 沈晴霓 夏敏 《通信学报》 EI CSCD 北大核心 2011年第1期121-126,共6页

提出了一种基于改进的生长型分级自组织映射(GHSOM,growing hierarchical self-organizing maps)神经网络的入侵检测方法。改进的GHSOM具有传统GHSOM多层分级的特点,同时能够处理含有数值类型成员和字符类型成员的混合输入模式向量,提... 提出了一种基于改进的生长型分级自组织映射(GHSOM,growing hierarchical self-organizing maps)神经网络的入侵检测方法。改进的GHSOM具有传统GHSOM多层分级的特点,同时能够处理含有数值类型成员和字符类型成员的混合输入模式向量,提高了入侵检测的效率。对KDD Cup 99数据集和模拟数据集进行的入侵检测模拟实验表明,改进的GHSOM算法对各种类型的攻击有着较高的检测率。 展开更多

关键词 网络安全 入侵检测 神经网络 生长型分级自组织映射

在线阅读 下载PDF 职称材料

基于改进PCA-SOM的电静压伺服作动器油滤堵塞故障诊断 被引量：4

9

作者 陈换过 刘培君 +1 位作者 俞杭 肖雪 《中国机械工程》 EI CAS CSCD 北大核心 2021年第7期799-805,共7页

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,... 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。 展开更多

关键词 电静压伺服作动器 改进主成分分析法-自组织映射神经网络 油滤堵塞 故障诊断

在线阅读 下载PDF 职称材料

基于SSOM的流动单元划分方法及生产应用——以渤海湾盆地F油田古近系沙三中亚段湖底浊积水道为例 被引量：1

10

作者 王亚 刘宗宾 +2 位作者 路研 王永平 刘超 《岩性油气藏》 CAS CSCD 北大核心 2024年第2期160-169,共10页

在储层构型级次划分的基础上,归纳总结了渤海湾盆地F油田古近系沙三中亚段湖底浊积水道各级渗流屏障与构型界面的关系,并采用监督模式下的自组织映射神经网络算法开展流动单元定量评价,明确了构型模式控制下的流动单元分布规律。研究结... 在储层构型级次划分的基础上,归纳总结了渤海湾盆地F油田古近系沙三中亚段湖底浊积水道各级渗流屏障与构型界面的关系,并采用监督模式下的自组织映射神经网络算法开展流动单元定量评价,明确了构型模式控制下的流动单元分布规律。研究结果表明:(1)渤海湾盆地F油田沙三中亚段储层可划分为Ⅰ、Ⅱ、Ⅲ、Ⅳ等4类流动单元。(2)基于SSOM算法的流动单元识别结果表现出较高的预测准确率,其中,256组训练样本的整体回判准确率为82.81%,110组测试样本的识别准确率为80.91%,能够满足地质油藏研究的需求。(3)垂向上,不同类型的单一水道内部发育的流动单元类型不同,造成流动单元垂向分布的差异性。Ⅰ类、Ⅱ类优质流动单元发育在浊积水道体系演化的中期,主要分布在二类单一水道;Ⅲ类、Ⅳ类流动单元发育在浊积水道体系演化的早期和晚期,其中,Ⅲ类流动单元分布广泛,在一类、二类、三类单一水道均有分布,Ⅳ类流动单元发育在一类、三类单一水道。侧向上,受水道体系不同沉积演化阶段的影响,流动单元的侧向分割方式不同。流动单元与非渗透层接触样式发育在浊积水道体系早期沉积旋回中,接触界面明显,属于一类水道沉积砂体;流动单元间的相互接触样式则发育在水道体系中晚期沉积旋回中,属于二类、三类水道沉积砂体。(4)平面上,受单一水道侧向迁移和垂向加积作用的影响,复合水道内部流动单元平面展布差异性明显。Ⅲ类流动单元在单砂体内部广泛发育,井间连续性好,在浊积主水道、浊积水道及水道漫溢沉积砂体处均有发育;渗流能力较好的Ⅰ类、Ⅱ类流动单元分布局限、连续性差,仅在浊积水道主流线方向及主水道砂体处有分布,呈不连续的点状或带状分布;Ⅳ类流动单元呈环带状分布在Ⅲ类流动单元的外缘,在浊积水道漫溢沉积砂体处发育。 展开更多

关键词 SSOM算法 浊积水道 储层构型 流动单元 自组织映射神经网络 监督模式 沙三中亚段 古近系 渤海湾盆地

在线阅读 下载PDF 职称材料

一种电能质量扰动监测与识别新方法 被引量：22

11

作者 曹健 林涛 +1 位作者 徐遐龄 刘林 《中国电机工程学报》 EI CSCD 北大核心 2011年第31期125-133,共9页

为了能够为各类电能扰动事件的本质研究和有效治理提供准确、可靠的依据,提出基于时频原子变换(timefrequency transform,TFT)和改进型自组织映射神经网络(improved self-organizing map,ISOM)的电能质量扰动在线监测与识别新方法。TFT... 为了能够为各类电能扰动事件的本质研究和有效治理提供准确、可靠的依据,提出基于时频原子变换(timefrequency transform,TFT)和改进型自组织映射神经网络(improved self-organizing map,ISOM)的电能质量扰动在线监测与识别新方法。TFT具有自适应复带通滤波特性,其频窗中心与频窗半径解耦及频窗宽度不受中心频率的约束,可以灵活调整。通过设置恰当的频域窗口,TFT可有效抑制邻近频率分量的相互干扰,且有较好的动态响应速度。TFT能准确监测电力系统波形中电能质量事件,并为类型识别提供物理意义明确、指标具体的实时模式特征。依据TFT提取的特征向量,ISOM可准确识别单一或同时存在的多重电能质量事件,并对其严重程度进行直观表达,能动态反映电能质量事件各自的发展变化轨迹。仿真验证结果表明了所提出方法的有效性和优越性。 展开更多

关键词 电能质量 时频原子变换 模式识别 改进型自组织映射神经网络

在线阅读 下载PDF 职称材料