自適應(yīng)自組織映射網(wǎng)絡(luò)在模式識(shí)別中的應(yīng)用研究.pdf

1、電子科技大學(xué)碩士學(xué)位論文：自適應(yīng)自組織映射阿絡(luò)在模式識(shí)別中的應(yīng)用研究摘要在對(duì)大規(guī)?？茖W(xué)數(shù)據(jù)進(jìn)行處理時(shí)，往往會(huì)因?yàn)槠渚哂幸?guī)模大、特征復(fù)雜的特點(diǎn)，使得理解、分析這些科學(xué)數(shù)據(jù)，并從中獲取知識(shí)變得十分困難，由此科學(xué)數(shù)據(jù)挖掘勢(shì)在必行。本項(xiàng)目主要研究適合于大規(guī)?？茖W(xué)數(shù)據(jù)挖掘的神經(jīng)網(wǎng)絡(luò)理論和應(yīng)用。特別深入研究以獨(dú)立分量分析(ICA)為主的降維技術(shù)、以小波神經(jīng)網(wǎng)絡(luò)為主的壓縮降噪技術(shù)解決科學(xué)數(shù)據(jù)特征復(fù)雜不便識(shí)別的問題；以同網(wǎng)格結(jié)合的神經(jīng)網(wǎng)絡(luò)、自適應(yīng)多級(jí)自

2、組織特征映射網(wǎng)絡(luò)為主的分類、聚類技術(shù)解決科學(xué)數(shù)據(jù)挖掘中的大規(guī)模知識(shí)發(fā)現(xiàn)問題。提出了面向特殊應(yīng)用一一分子動(dòng)力學(xué)數(shù)據(jù)模擬的神經(jīng)網(wǎng)絡(luò)模型，特別是研究針對(duì)科學(xué)數(shù)據(jù)分類、聚類和模式提取問題的神經(jīng)網(wǎng)絡(luò)應(yīng)用。建立實(shí)用的科學(xué)數(shù)據(jù)挖掘系統(tǒng)，為從大規(guī)模數(shù)值模擬數(shù)據(jù)中提取有價(jià)值的信息提供有效的新方法。本文以自組織映射網(wǎng)絡(luò)為主要研究對(duì)象，描述了自組織映射網(wǎng)絡(luò)的基本模型。在傳統(tǒng)自組織映射網(wǎng)絡(luò)的基礎(chǔ)上，提出了基于自增長(zhǎng)型多級(jí)自組織映射網(wǎng)絡(luò)的模式識(shí)別方法，能夠解決傳

3、統(tǒng)自組織映射網(wǎng)的靜態(tài)結(jié)構(gòu)帶來(lái)的諸多問題，如在進(jìn)行訓(xùn)練前必須預(yù)先確定網(wǎng)絡(luò)的模型和神經(jīng)元數(shù)目及其排列方式，若一次分類不準(zhǔn)確將嚴(yán)重影響分析結(jié)果，等等。而且這種多級(jí)結(jié)構(gòu)，還能將輸入數(shù)據(jù)中存在的分級(jí)信息直觀的表示出來(lái)，對(duì)于高緯數(shù)據(jù)的分析尤其有利，因此自增長(zhǎng)型多級(jí)自組織映射網(wǎng)絡(luò)對(duì)大規(guī)模模式識(shí)別的研究一定會(huì)產(chǎn)生極大的促進(jìn)作用。關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)，數(shù)據(jù)挖掘，知識(shí)發(fā)現(xiàn)，模式識(shí)別，自組織映射網(wǎng)絡(luò)獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下迸行的研究工

4、作及取得的研究成果。據(jù)我所知，除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得電子科技大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說(shuō)明并表示謝意。簽名；2歪l!筵!l魚日期：蛐畔年，文月文J日關(guān)于論文使用授權(quán)的說(shuō)明本學(xué)位論文作者完全了解電子科技大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，有權(quán)保留并向國(guó)家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和磁