SOM神經(jīng)網(wǎng)絡(luò)的研究及在水文分區(qū)中的應(yīng)用.pdf

1、本文主要研究了主成分分析法、自組織映射神經(jīng)網(wǎng)絡(luò)以及基于合并的層次聚類的擴展自組織映射神經(jīng)網(wǎng)絡(luò)及在江西省水文分區(qū)中的應(yīng)用。 由主成分分析法得到每個主成分的貢獻率，把特征分量貢獻率引入到自組織映射神經(jīng)網(wǎng)絡(luò)中，在競爭過程中選用加權(quán)歐氏距離來尋找獲勝神經(jīng)元，對傳統(tǒng)的自組織映射神經(jīng)網(wǎng)絡(luò)進行了改進，在本文中提出了一種加權(quán)SOM神經(jīng)網(wǎng)絡(luò)，填補了在實際應(yīng)用中傳統(tǒng)SOM神經(jīng)網(wǎng)絡(luò)沒有考慮各特征分量的重要性不同的空白。 把基于合并的層次聚類的

2、擴展SOM神經(jīng)網(wǎng)絡(luò)應(yīng)用到江西省水文站網(wǎng)分類中，對傳統(tǒng)SOM神經(jīng)網(wǎng)絡(luò)與加權(quán)SOM神經(jīng)網(wǎng)絡(luò)分類的結(jié)果進行了比較，得出1)在競爭過程中選用加權(quán)的歐氏距離是可取的；2)加權(quán)SOM網(wǎng)絡(luò)能夠提高網(wǎng)絡(luò)聚類的效果；3)網(wǎng)絡(luò)的聚類結(jié)果對學習率初值十分敏感。 層次聚類方法的優(yōu)點是能夠看到聚類形成的類和類之間的層次關(guān)系，能夠表示類和類之間層次結(jié)構(gòu)，因此用擴展的SOM神經(jīng)網(wǎng)絡(luò)對水文站進行分類，更有利于在各個水文分區(qū)內(nèi)用水文相似方法綜合各基本特征值，并且