主要为大家详细介绍了python实现SOM算法，聚类算法，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

基于SOM自组织神经网络的数据分类程序。

Kohonen的SOM软件包，matlab里最好的som软件

matlab的egde源代码SOM工具箱 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。 SOM Toolbox 2.1是2012年12月对SOM Toolbox的修订。有关更改，请参阅CHANGELOG。 设置 下载 addpath（genpath（'SOM-Toolbox'））; 这会将SOM-Toolbox和所有子文件夹添加到matlabpath中。 工具箱中包含的目录 som/ -SOM工具箱2.0中包含的SOM功能（此版本进行了修订） gtm/ -使用Netlab GTM功能的GTM功能。 贡献contrib/ -SOM工具箱的外部贡献 demo/ -演示脚本 data/ -演示脚本的数据 dijkstra/ -来自pmtk3包的Dijkstra算法（由som_quality使用） 版权 该软件包是免费软件。 您可以根据自由软件基金会发布的GNU通用公共

这是一个som神经网络应用在分类上的代码实例，程序难度适中，比较适合初学者，可以用于课程设计，作业等

SOM神经网络的数据分类--柴油机故障诊断

Kohonen的自组织地图（SOM） 背景 Teuvo Kohonen在1990年撰写的原始是第一个能够进行无监督学习的神经网络模型之一。 在算法的不同实现中，该算法几乎完全遵循原始论文。 更新功能定义为 哪里 和 是当前时代。 而且，每个神经元都与其他所有神经元相连，因此该图是 完整的图形，其中 是神经元的数量。 例 from sklearn . datasets import load_iris from sklearn . decomposition import PCA import matplotlib . pyplot as plt import numpy as np from som . mapping import SOM dataset = load_iris () train = dataset . data # Reducing the dimensiona

MiniSom 自组织图 MiniSom是自组织图（SOM）的一种基于Numpy的简约实现。 SOM是一种人工神经网络，能够将高维数据项之间的复杂，非线性统计关系转换为低维显示器上的简单几何关系。 Minisom旨在使研究人员可以轻松地在其之上进行构建，并使学生能够快速掌握其细节。 有关MiniSom的更新发布在。 安装 只需使用pip： pip install minisom 或将MiniSom下载到您选择的目录并使用安装脚本： git clone https://github.com/JustGlowing/minisom.git python setup.py install 如何使用它 为了使用MiniSom，您需要将数据组织成一个Numpy矩阵，其中每一行都对应一个观测值，或者组织成如下列表的列表： data = [[ 0.80 , 0.55 , 0.22 , 0.03 ], [ 0.82 , 0.50 , 0.23 , 0.03 ], [ 0.80 , 0.54 , 0.22 , 0.03 ], [

简单的自组织映射算法分类矩阵中的数据，使用matlab编写。

som自组织神经聚类算法matlab