som网络在福建省城市职能分类中的应用

som网络在福建省城市职能分类中的应用

ID:10366163

大小:37.50 KB

页数:13页

时间:2018-07-06

som网络在福建省城市职能分类中的应用_第1页
som网络在福建省城市职能分类中的应用_第2页
som网络在福建省城市职能分类中的应用_第3页
som网络在福建省城市职能分类中的应用_第4页
som网络在福建省城市职能分类中的应用_第5页
资源描述:

《som网络在福建省城市职能分类中的应用》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、SOM网络在福建省城市职能分类中的应用第25卷第1期2005年1月经济地理E(]()I,『0MICGE)C)GRAPHYV01.25.No.1Jan.,2005文章编号:1000—8462(2005)01—0068—03SOM网络在福建省城市职能分类中的应用吴聘奇,黄民生(福建师范大学地理科学学院,中国福建福州350007)摘要:基于人工神经网络(ANN)中自组织特征映射网络(SOM)的聚类功能,提取城市人口和劳动力结构的多项指标,应用MATLAB6.1软件的神经网络工具箱对福建省城市职能进行分类,最终将2

2、3个城市分为6类.同时对分类结果进行分析和讨论,指出SOM网络可以避免传统聚类方法难以克服的一些缺点,并利用其强大的学习功能及良好的自组织性,自适应性和鲁棒性为城市体系的相关研究提供高效便捷的信息处理手段.关键词:SOM网络;城市职能分类;福建省中图分类号:F290文献标识码:A福建位于中国东南沿海,北接浙江,南接广东,又与台湾一水相隔,其省内23个城市由于地理区位,历史政策等多方面因素的差异而具有不同的发展态势,也因此呈现出较为复杂的职能体系结构.对于如何就城市职能进行明确的分类定位,长期以来传统的分类方

3、法有系统聚类法,分解法,加入法,动态聚类法,有序样品聚类等,但大多属于监督学习,容易产生人为的主观性….近年由于人工智能,神经科学的进展,人工神经网络逐步显示出它在处理复杂系统特别是以人为主体的领域上的优势.而在现代地理学中,人工神经网络特别适用于地理模式识别,地理过程模拟及复杂地理系统的优化计算等方面的问题研究.它发展至今已有非常丰富的子模型,本文选取其中的自组织特征映射网络来对福建省城市职能进行分类.1SOM网络的基本原理自组织特征映射网络(Self—OrganizingFeatureMap,简称SOM

4、网络)是芬兰赫尔辛基大学神经网络专家科荷伦(TeuvoKohonen)于1981年提出的一种自组织竞争神经网络.与传统模式的聚类方法相比,它所形成的聚类中心能够映射到一个曲面或平面上,从而保持拓扑结构不变.生物学意义上的神经元间存在着这样一种联结方式:大神经元不但加强自己,同时也加强接近它的那些神经元.一般情况下,随着神经元之间距离的增加,从加强到抑制的转变是平滑出现的-2J.每个神经元加强自身(中心)及邻近神经元,并且同时抑制周围的神经元.在一个神经细胞兴奋后,通过它的分支对周围其它神经细胞产生抑制,这种

5、侧抑制使神经细胞之间出现竞争,虽然开始阶段各个神经细胞都处于不同程度的兴奋状态,但各细胞之间相互竞争的最终结果是:兴奋作用最强的神经细胞所产生的抑制作用战胜了周围所有其它细胞的抑制作用而获胜,其周围的其它细胞则在竞争中失败-3J.自组织特征映射神经网络正是基于该生物结构和现象建立而成,它能够对输入模式进行自组织训练和判断,实现功能相同的神经元在空间分布上的聚集,并将其最终分为不同的类型.1.1SOM网络拓扑结构SOM网络由单层神经元网络组成,其输入节点与输出节点之间为双向权连接.因为网络在学习中的竞争特性也

6、表现在输出层上,所以输出层又可称为竞争层,而与输入节点相连的权值及其输入合称为输入层.竞争层可以由一维或二维网络矩阵方式组成,下面具体介绍二维网络的结构.如图1所示,网络上层有输出节点s个,按二维形式排成一个节点矩阵;输入节点位于下方,有个矢量,即个节点.所有输入节点到所有输出节点之间都有权值连接,而且在二维平面上的输出节点相互间也可能是局部连接的-3J.图1二维SOM网络结构图rig.1ThestruetllreoftwodimensionsS0M1.2SOM网络学习过程SOM网络的自组织学习过程是以无监

7、督式的训练学习方式进行的.待分类的模式类别属性未知,网络结构和连接权值根据某种聚类法则,自动对周围环境的模式样本进行学习和调整,直至网络的结构及其连接分布能合理地反映训练样本的统计分布.具体可以描述为:对于每一个网络的输入,只调整一部分权值,使权向量更接近或更偏离输入矢量,这一收稿日期:2003—12—29;修回日期:2004—07—19基金项目:福建省自然科学基金项目(编号:130210011),福建省教育厅课题(编号:JA04057S)资助.1期吴聘奇,黄民生:SOM网络在福建省城市职能分类中的应用调整

8、过程就是竞争学习,随着不断的学习,所有权矢量都在输入矢量空间分别聚类,形成了各自代表输入空间的一种模式,这就是SOM特征自动识别的聚类功能n].SOM的算法流程见图2,其中P是输入矢量,叫是权值矩阵,是表示邻域大小的量.输入广]自组织映射层曩IJS其中t■入矢量的簟教出层神经元的个薰=一U—.,I1-暑∞皿p呻)图2SOM算法流程图Fig.2TheflowchartofSOM2建立城市职能分类的指标体系城市职能分

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。