基于MATLAB的SOM网络的干旱聚类分析

本文档是基于SOM神经网络的发动机故障诊断，用于专业人员或科研人员对SOM神经网络或故障诊断进行学习。

由创龙工程师联合一众电子开发爱好者联合翻译的最新TMS320F2837xD中文翻译数据手册现在可以下载了。您再也不用打开着某某翻译词典，一边翻译，一边忍受着非专业的词汇的痛苦了。 主要围绕TL2837x-EasyEVM是一款基于创龙SOM-TL2837x核心板所设计的高端单/双核浮点开发板，它为用户提供了SOM-TL2837x核心板的测试平台，用于快速评估SOM-TL2837x核心板的整体性能。 TL2837x-EasyEVM底板采用沉金无铅工艺的2层板设计，不仅为客户提供系统驱动源码、丰富的Demo程序、完整的软件开发包，以及详细的TMS320F28x系统开发文档，还协助客户进行底板的开发，提供长期、全面的技术支持，帮助客户以最快的速度进行产品的二次开发，实现产品的快速上市。

文本挖掘是数据挖掘领域中一个热门的研究方向。在文本挖掘领域中，文本聚类技术有助于缩小数据搜索空间，提高查询精度。作为一种无监督的机器学习方法，文本聚 类技术己经成为对文本信息进行有效地组织、摘要和导航的重要手段，为越来越多的研究人员所关注。可以说，文本聚类的研究具有重要的理论意义和实际使用价值。自组织特征映射神经网络SOM在聚类应用中具有自组织映射、可视化好、计算效率高、聚类效果好等良好特性。因此，本文将SOM神经网络应用到中文文本聚类中，研究其在文本聚类中的有关特性。

改进的SOM算法及其在颜色特征提取中的应用

人工神经网络SOM算法,懂这个的人很有用,希望能给大家帮助

som神经网络

拣货路径优化matlab代码使用 SOM 的旅行推销员 (TSP) 在这段代码中，我们说明了如何使用 Kohonen 自组织映射中的集群单元的线性拓扑来解决约束优化中的一个经典问题，即所谓的旅行商问题 (TSP)。 TSP 的目标是找到给定的一组城市的最短长度的游览。 一次旅行包括恰好访问每个城市一次，然后返回起始城市（点）。 该网络具有线性拓扑结构，具有第一个和最后一个簇单元。 该代码由德黑兰大学的学生 Mustafa Mohammadi 实现。 在本实践中，我们的目标是编写一段代码，以使用有界优化问题和线性拓扑方法找到将所有节点连接到一个板中的最小方法。 这种方法被称为 Traveler Sales Man，TSP。 旅行者想要去一次城市的所有地方而不经过他们更多。 所有城市（所有点）应该只访问一次并最终到达源城市。 为了解决这个问题，我们使用了 SOM 无监督聚类算法。 该算法在每次迭代中搜索最小路径（重复 100 次）。 更新所选群集时，它也会更新其邻居群集。 学习率（lr 或 alpha）对算法的效率和有效性起着至关重要的作用。 鉴于选择不合适的alpha，算法会深入到错误的

som matlab代码自组织图 用于自组织地图（SOM）等的Matlab工具箱。 SOM Toolbox 2.0是用于实现自组织地图算法的Matlab 5的软件库，由Esa Alhoniemi，Johan Himberg，Jukka Parviainen和Juha Vesanto版权所有（C）1999。 运行SOM代码 运行主Matlab文件需要该目录中的所有文件：'data2kde2som'。 该文件将分类（即合并）的数据转换为内核密度估计，然后通过Vesanto等人的SOM功能运行该估计。 需要两个（CSV）输入来运行“ data2kde2som” ：( 1）bin_midpoints（分类数据的每个bin的中点）和（2）适合您的bin的数据（每行代表每个点的数据分布）。 执行主成分分析（PCA） 还有一个名为“ pca_surrey”的文件，对两个文件执行PCA（与SOM输出进行比较）。

IEEE 1516.2 FOM SOM