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