一种自适应停止的SOM神经网络及其应用
后的SOM网络能够比matlab中传统SOM网络（默认训练200次）识别的正确率高。把改进后的SOM神经网络用在车辆类型识别中的效果如图2所示，其中绿色的为私家车数据，黑色为非法营运车辆数据，红色为公交车数据，蓝色为长途车数据。该网络输出矩阵设置为7*7的矩阵，经过若干次自适应的迭代，得到的聚类结果如图3所示。可以看到营运车辆被聚到一类，绿色的合法私家车均匀的散布在输出矩阵中，非法营运的私家车被聚到营运车一类。将这些疑似营运车辆的私家车提供给执法部门，能够给执法人员提供一些线索和依据。3 结束语本文提出了一种运用在SOM网络中利用导数判断收敛的算法，该算法能够自适应确定SOM网络无监督训练时的迭代次数，缩短确定训练次数所花费的时间，减小算法复杂度。经过实验验证，在不降低正确率的情况下通过该算法可以减少手动确定训练次数的过程；并与MATLAB中传统的SOM神经网络工具箱相对比，其中默认的训练次数是200次，从表2中可以看到改进后的网络比默认参数的神
<<上一页 下一页>>
广州市越秀区图书馆版权所有。
联系电话：020-87673002
本站访问人数：