Kohonen网络在烟叶动态分类中的应用

针对输入为高维化学指标数据的烟叶分类问题 ,提出 1种改进的 Kohonen自组织特征映射神经网络的聚类方法。在数据预处理时 ,加入了领域专家经验 ,对输入特征向量中的各个分量分配不同的分类参与度 ;用 Gauss邻域函数替代了标准 Kohonen网络的方形邻域 ;在 2个学习阶段学习率和邻域宽度采用了不同的递减函数。通过应用证明了改进后的 Kohonen网络的收敛效果和聚类精度比 K- means聚类方法和标准的 Kohonen网络都有较大的提高。