对数据进行量化处理的方法合集 |
您所在的位置:网站首页 › istj八维排序 › 对数据进行量化处理的方法合集 |
自组织映射 (SOM) 神经网络分类法(过程中涉及相容性检查)
SOM 网络是 Kohonen T 于 1981 年提出的一种无 监督竞争学习型前馈神经网络 , 能模拟 大脑神经系统自组织特征映射的功能 , 对输入样本按指定的分类数目进行模式分类 , 分类结果 能够较客观地反映数据分布情况。
运用 SOM 网络对条件属性进行分类量化的具体过程:
( 1 )给定 SOM 网络初始分类值 m=2 (如何选择见下)
( 2 )给定条件属性初始维数 d=1 ( 3 )将第 d 维条件属性按从小到大 ( 或从大到小 ) 排序
( 4 )用 SOM 网络对排序后的第 d 维条件属性值进行分类
( 5 )把相邻两类边界属性值的均值作为该二类的分界值 ( 即条件属性量化参数 ) ( 6 )用条件属性量化参数对该维条件属性进行量化
( 7 )赋值 d=d+1, 返回第( 3 )步 , 直到最后一维条件属性
( 8 )检查数据表是否相容 , 若不相容 , 令 m=m+1, 返回第( 2 )步 ; 若相容 , 结束。
注意:
( 1 ) 采用 SOM 神经网络对条件属性进行量化处理时 , 要注意分类数目的确定 , 分类数目 少 , 可能会得到不相容的知识表达系统 ; 分类数目过大 , 则会形成各自独立的规则 , 造成规则数 目过多。本文选择的是 m=3 。
原始数据
(共 38 组)
进行量化后 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |