查詢結果分析
來源資料
相關文獻
- 應用自我組織映射圖於群聚及視覺化之分析
- 以多重彈性倒傳遞類神經模型探討臺灣4G概念股股價的變動
- Neural Network Procedures for Taguchi's Dynamic Problems
- A Fast and Efficient Competitive Learning Design Algorithm Based on Weight Vector Training in Transform Domain
- 專家系統振動訊號圖型判別之研究
- 反傳遞模糊類神經網路於流量推估之應用
- 類神經網路(Neural Networks)的種類及其在影像處理上的應用
- C++Fuzzy類神經網路物件導向發展系統之建立
- 臺灣汽保費率之估計--對數線性費率模式與類神經網路之比較
- 運用類神經網路於股價指數之套利--以日經225指數為例
頁籤選單縮合
題 名 | 應用自我組織映射圖於群聚及視覺化之分析=A Study on Self-Organizing Map for Clustering Analysis and Visualization |
---|---|
作 者 | 謝淑玲; 廖宜恩; 陳恆裕; | 書刊名 | 嶺東學報 |
卷 期 | 24 2008.12[民97.12] |
頁 次 | 頁177-197 |
分類號 | 312.13 |
關鍵詞 | 分群法; 類神經網路; 自我組織映射圖; 資訊視覺化; Clustering methods; Neural network; Self-organizing map; Information visualization; |
語 文 | 中文(Chinese) |
中文摘要 | 自我組織映射圖網路(Self-Organizing Map, SOM)是一種非監督式學習網路(Unsupervised learning network),主要目的是以映射方法將輸入資料轉換至映射圖上,讓自我組織映射圖中的神經元也能保有輸入樣本的拓撲結構。本研究對SOM演算法的神經元初始方式提出一個新方法,用以改善SOM的運算量,可使其執行時間大幅度的降低。最後,利用視覺化SOM的圖形,將SOM分群後的結果呈現在三維空間上,透過圖形的輔助,可使分群之後的結果更具有可信度。 |
英文摘要 | The self-organizing map (SOM) is an unsupervised neural network which projects high-dimensional data onto a low-dimensional grid and preserving its 'topological' structure. In this paper, we propose an efficient self-organizing map method to improve the performance of the SOM. The proposed algorithm reduces the time complexity dramatically in finding the initial neurons. Finally, we use visualization methods to show the mapping from clustered results of SOM to a 3-D Euclidian space. By means of the assistance of graphic presentation, the outcome of SOM clustering process will achieve more reliability. |
本系統中英文摘要資訊取自各篇刊載內容。