基于附加敏感參數SOM神經網絡的自動聚類系統(tǒng)的研究.pdf

1、本課題受國家自然科學基金項目(項目編號60970073)的資助，主要研究基于SOM神經網絡的多維數據自動聚類算法及其應用。多維數據自動聚類作為優(yōu)選動態(tài)流量軟測量訓練樣本的主要方法，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、加敏感參數的SOM算法。通過引入敏感參數，改進權值調整公式，在保證精度的同時提高收斂速度。
　　其次，針對數據噪聲干擾導致自動聚類質量差的問題，根據數據噪聲呈現(xiàn)高斯分布的特點，采用加權平均方法構造新的閾值函數，并用小波閾值方法剔除數據噪聲，減少數據噪聲對自動聚類質量的影響。
　　然后，針對淹沒停止參數設置不精細導致自動聚類質量差的問題，采用值域擴大的Sigmoid函數改善淹沒停止參數的精細度，防止局部極大值的分離，從而保證獲