基于粒子群优化的自组织特征映射神经网络及应用

被引:12
作者
吕强
俞金寿
不详
机构
[1] 华东理工大学自动化研究所
[2] 华东理工大学自动化研究所 上海
[3] 上海
关键词
数据挖掘; 自组织特征映射; 粒子群算法; 核函数; 聚类;
D O I
10.13195/j.cd.2005.10.37.lvq.007
中图分类号
TP183 [人工神经网络与计算];
学科分类号
摘要
采用粒子群优化(PSO)算法优化权重失真指数(LW D I),提出了基于粒子群优化的SOM(PSO-SOM)训练算法.用该算法取代K ohonen提出的启发式训练算法,同时引进核函数,以加强PSO-SOM算法的非线性聚类能力.以某工厂丙烯腈反应器数据为聚类应用研究对象,研究结果表明,与启发式训练算法相比,PSO-SOM算法能够得到较优的聚类,而且该算法实现简单、便于工程应用,对丙烯腈反应器参数调整以及收率监测具有显著的指导作用.
引用
收藏
页码:1115 / 1119
页数:5
相关论文
共 5 条
  • [1] Optimization Using Particle Swarms with Near Neighbor Interactions. Kalyan Veeramacaneni,Thanmaya Peram,Chilukuri Mohan,et al. Proc of Genetic and Evolutionary Computation, Lecture Notes in Computer Science[C] . 2003
  • [2] An Efficient Clustering for Large Database. Guha S,Rastogi R,Shim K. Proc of the ACM SIGMOD Int Conf on Management of Data[C] . 1998
  • [3] The Self -organizing Map. Kohonen T. Neurocomputing . 1998
  • [4] Comparing Self -organizing Maps. Kaski S,Logus K. Proc of ICANN96, I nt Conf on Artificial Neural Networks, Lecture Notes in Computer Science[C] . 1996
  • [5] The Particle Swarm Optimization Algorithm: Convergence Analysis and Parameter Selection. Ioan Cristian Trelea. I nf ormation Processing Letters . 2003