基于改进的自组织竞争神经网络的聚类分析.docxVIP

南昌航空大学 硕士学位论文开题报告 基于改进的SOFM聚类方法研究 学 号： 100081002005 姓 名： 肖鹏 导 师： 余达祥 学 院： 信息工程学院 专 业： 信号与信息处理 研究方向： 人工神经网络 日 期： 2011年10月 南昌航空大学研究生学院制 目录 TOC \o 1-3 \h \z \u HYPERLINK \l _Toc306307016 一、选题依据 PAGEREF _Toc306307016 \h 3 HYPERLINK \l _Toc306307017 二、本课题国内外研究状况及发展趋势 PAGEREF _Toc306307017 \h 3 HYPERLINK \l _Toc306307018 国内外研究状况 PAGEREF _Toc306307018 \h 3 HYPERLINK \l _Toc306307019 聚类的要求 PAGEREF _Toc306307019 \h 7 HYPERLINK \l _Toc306307020 聚类算法的发展趋势 PAGEREF _Toc306307020 \h 7 HYPERLINK \l _Toc306307021 三、人工神经网络的发展 PAGEREF _Toc306307021 \h 7 HYPERLINK \l _Toc306307022 四、竞争性网络在聚类分析中存在的问题 PAGEREF _Toc306307022 \h 8 HYPERLINK \l _Toc306307023 五、论文预期成果的理论意义和应用价值 PAGEREF _Toc306307023 \h 9 HYPERLINK \l _Toc306307024 六、课题研究的主要内容 PAGEREF _Toc306307024 \h 9 HYPERLINK \l _Toc306307025 研究目标 PAGEREF _Toc306307025 \h 9 HYPERLINK \l _Toc306307026 研究内容 PAGEREF _Toc306307026 \h 9 HYPERLINK \l _Toc306307027 创新点 PAGEREF _Toc306307027 \h 9 HYPERLINK \l _Toc306307028 实验大致流程 PAGEREF _Toc306307028 \h 10 HYPERLINK \l _Toc306307029 七、研究计划进度与安排 PAGEREF _Toc306307029 \h 10 HYPERLINK \l _Toc306307030 八、传统的SOFM神经网络结构和学习算法 PAGEREF _Toc306307030 \h 10 HYPERLINK \l _Toc306307031 SOFM神经网络结构 PAGEREF _Toc306307031 \h 10 HYPERLINK \l _Toc306307032 传统的SOFM神经网络算法具体描述 PAGEREF _Toc306307032 \h 11 HYPERLINK \l _Toc306307033 九、改进的SOFM算法 PAGEREF _Toc306307033 \h 11 HYPERLINK \l _Toc306307034 孤立点的检测 PAGEREF _Toc306307034 \h 12 HYPERLINK \l _Toc306307035 SOFM神经网络算法具体描述 PAGEREF _Toc306307035 \h 12 HYPERLINK \l _Toc306307036 kmeans算法和sofm算法性能之间的比较 PAGEREF _Toc306307036 \h 15 HYPERLINK \l _Toc306307037 参考文献 PAGEREF _Toc306307037 \h 17 一、选题依据 在人类从工业社会向信息社会演进的今天，计算机越来越普及，人们获取的数据和信息也越来越多。过去的数十年中，存储数据的爆炸式增长业已激起对新技术和自动信息处理工具的需求，以便将海量的数据和信息转化为有用的知识。 人们希望由计算机驱动的机器或者设备能代替或扩展人类的部分脑力劳动，让机器也具有认知学习思考的能力，要做到这些，首先计算机要对数据进行挖掘，对信息进行提取，聚类分析算法是数据分析与挖掘的一个必备工具。 二、本课题国内外研究状况及发展趋势 国内外研究状况 现有的典型聚类分析算法有： 划分式聚类算法： 最典型的划分式聚类算法是k-means算法和k-medoids算法。K-means算法的基本流程如下： 首先选取k个对象作为初始的