基于附加敏感參數(shù)SOM神經(jīng)網(wǎng)絡(luò)的自動聚類系統(tǒng)的研究.pdf

1、本課題受國家自然科學(xué)基金項目(項目編號60970073)的資助，主要研究基于SOM神經(jīng)網(wǎng)絡(luò)的多維數(shù)據(jù)自動聚類算法及其應(yīng)用。多維數(shù)據(jù)自動聚類作為優(yōu)選動態(tài)流量軟測量訓(xùn)練樣本的主要方法，成為極具挑戰(zhàn)的課題之一。針對動態(tài)流量軟測量對自動聚類算法實時性和精確性的要求，重點研究如何提高自動聚類算法的收斂速度和自動聚類質(zhì)量，選題對于動態(tài)流量軟測量具有十分重要的理論和現(xiàn)實意義。
　　首先，針對SOM算法訓(xùn)練精度和收斂速度難以同時提升的問題，提出附

2、加敏感參數(shù)的SOM算法。通過引入敏感參數(shù)，改進權(quán)值調(diào)整公式，在保證精度的同時提高收斂速度。
　　其次，針對數(shù)據(jù)噪聲干擾導(dǎo)致自動聚類質(zhì)量差的問題，根據(jù)數(shù)據(jù)噪聲呈現(xiàn)高斯分布的特點，采用加權(quán)平均方法構(gòu)造新的閾值函數(shù)，并用小波閾值方法剔除數(shù)據(jù)噪聲，減少數(shù)據(jù)噪聲對自動聚類質(zhì)量的影響。
　　然后，針對淹沒停止參數(shù)設(shè)置不精細(xì)導(dǎo)致自動聚類質(zhì)量差的問題，采用值域擴大的Sigmoid函數(shù)改善淹沒停止參數(shù)的精細(xì)度，防止局部極大值的分離，從而保證獲