针对自治水下机器人(AUV) 研究中的多机器人多任务分配问题, 提出一种基于自组织映射(SOM) 神经网络
的多AUV多目标分配策略. 将目标点的位置坐标作为SOM神经网络的输入向量进行自组织竞争计算, 输出为对应
的AUV机器人, 从而控制一组AUV在不同的地点完成不同的任务, 使机器人按照优化的路径规则到达指定的目标
位置. 为了表明所提出算法的有效性, 给出了二维、三维作业环境中的仿真实验结果.

BELMKN：贝叶斯极限学习机Kohonen网络 无监督的极限学习机（ELM）是一种用于特征提取的非迭代算法。 该方法应用于IRIS数据集以进行非线性特征提取，聚类预测，最后使用k-means进行聚类。 客观的 要使用Unsuoervised Extreme Learning Machine执行非线性特征学习，使用贝叶斯信息准则（BIC）预测数据集中的聚类数，最后使用k-means，自组织图/ Kohonen网络和EM算法进行聚类 模组 无监督的极限学习机：在此模块中，使用无监督的极限学习机执行数据集的特征提取。 这是具有单个隐藏层的非迭代算法，其中输入层和隐藏层之间的权重被随机初始化，并且使用目标函数计算隐藏层和输出层之间的权重。 因此，可以保证收敛于全局最小值。 贝叶斯信息准则：贝叶斯信息准则是一种统计方法，使用d来找出数据集中的聚类数。 它使用期望最大化（EM）算法来查找数据集中的

颜色分类leetcode SuSi：Python 中的监督自组织地图 用于无监督、监督和半监督自组织映射 (SOM) 的 Python 包 描述 我们展示了 Python 的 SuSi 包。 它包括用于无监督、监督和半监督任务的全功能 SOM： SOMClustering：用于聚类的无监督 SOM SOMRegressor：（半）监督回归 SOM SOMClassifier：（半）监督分类 SOM 执照： 作者： 引文： 查看和在文件中 文档： 安装： 纸： 安装 点 pip3 install susi conda conda install -c conda-forge susi 可以在 中找到更多信息。 例子 可以在 中找到代码示例的集合。 可以在此处找到作为 Jupyter Notebook 的代码示例： 常见问题 我应该如何设置 SOM 的初始超参数？ 有关超参数的更多详细信息，请参见 。 如何优化超参数？ SuSi 超参数可以优化，例如，使用 ，因为 SuSi 包是根据几个 scikit-learn 指南开发的。 引文 包含两个参考的 bibtex 文件在 . 纸： FM R

3、自组织映射聚类(SOM) 自组织映射聚类(Self-Organizing Map, SOM)，是由T.Konohen 于1980 年提出的模型，属于非监督学习的神经网络聚类，与K-means 相似，采用SOM 聚类算法之前，也要首先估计出想要得到的类的个数。在SOM 神经网络中，输出层的神经元是以列阵的方式排列于一维或二维的空间中的。根据当前输入向量与神经元的竞争，利用欧氏距离，寻找最短距离当作最有效神经元，以求得调整向量神经元的机会，而其他神经元也可以彼此学习。而最后的神经元就可以根据输入向量的特征，以拓扑结构展现于输出空间中。

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）。

自组织映射（SOM）网络，也被称为 Kohonen 网络或者胜者独占单元（WTU），在大脑中，不同的感官输入以拓扑顺序的方式呈现，是受人脑特征启发而提出的一种非常特殊的神经网络。 与其他神经网络不同，SOM 神经元之间并不是通过权重相互连接的，相反，它们能够影响彼此的学习。SOM 最重要的特点是神经元以拓扑方式表示所学到的输入信息。 在 SOM 中，神经元通常放置在（一维或二维）网格的节点处，更高的维数也可以用，但实际很少使用。网格中的每个神经元都可以通过权重矩阵连接到所有输入单元。

简单的自组织映射算法分类矩阵中的数据，使用matlab编写。

bp反向传播神经网络 som自组织映射神经网络 matlab gui程序 及ppt 讲解

SOM（Self Organizing Maps ） 的目标是用低维目标空间的点来表示高维空间中的点，并且尽可能保持对应点的距离和邻近关系（拓扑关系）。该算法可用于降维和聚类等方面，此代码主要用于实现聚类。

VC++实现的自组织映射SOM方法图像分类聚类算法源代码