2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩60頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

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(kuò)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(xiàn)率,把特征分量貢獻(xiàn)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(jìn)行了改進(jìn),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(kuò)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(jìn)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(xué)習(xí)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(kuò)展的SOM神經(jīng)網(wǎng)絡(luò)對水文站進(jìn)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

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論