搜索到2848篇“ 自组织映射神经网络“的相关文章
- 一种利用自组织映射神经网络评价光催化膜滤出水水质的方法
- 一种利用自组织映射神经网络评价光催化膜滤出水水质的方法，属于水处理技术领域。该方法通过整合UV<SUB>254</SUB>、溶解有机碳(DOC)、三维荧光光谱等多种水质参数，利用SOM对数据进行降维和聚类，从而更全面、准...
- 周志伟陈君岩刘永旺李星赵元添
- 一种基于自组织映射神经网络的线损分析方法
- 本发明公开一种基于自组织映射神经网络的线损分析方法，包括以下步骤：采集原始电网线路用电数据，所述原始电网线路用电数据包括若干条线路的用电数据；对所述原始电网线路用电数据进行预处理；基于预处理后的所述原始电网线路用电数据提...
- 董杰李省丛晓青陈志敏黄赟鹏康帅黄尊杨小龙沙凯旋孟欣欣马彩光魏玙先杨筱蕊汪琪代鑫
- 一种融合先验知识与自组织映射神经网络的测井分层方法
- 本发明提供了一种融合先验知识与自组织映射神经网络的测井分层方法，涉及机器学习领域，分析研究区域实际地质背景，获取研究区域的测井数据并进行预处理，构建试验数据集；提取测井领域知识得到经验性知识和原理性知识，构成测井领域先验...
- 张夏林 文晋军刘洋李章林 张明林翁正平 王良玉吴冲龙 蔡国荣田宜平张志庭
- 一种基于自组织映射神经网络的渲染程序性能评估方法
- 本发明公开了一种基于自组织映射神经网络的渲染程序性能评估方法。该方法包括：针对目标渲染任务，提取微架构无关特征；将所述微架构无关特征进行归一化处理并输入到经训练的堆栈自编码器，获得低维特征数据；将所述低维特征数据输入到经...
- 陈玲申妍燕陈超喻之斌
- 基于混合自组织映射神经网络的云南省山洪灾害危险性区划被引量：1
- 2024年
- 开展云南省山洪灾害危险性区划工作,以自组织映射神经网络为基础,混合Ward、PAM、CLARA、K-means和HK-means的5种方法进行二阶聚类,应用戴维森堡丁指数(Davies-Bouldin index,DBI)、轮廓系数(silhouette coefficient,SC)、聚类模型评估指数(Calinski-Harabaz index,CH)确定最佳聚类方案,之后以变异系数和变异系数一阶拆分确定最佳区划数量.结果显示:①SOM(self organizing map)+CLARA(clustering LARge applications)方法通过聚类有效性检验效果最好,其DBI值为1.0、SC值为0.9、CH值为0.3334,基于该方法得到云南省山洪灾害危险性最佳聚类数为5类,呈现类别空间分离,灾害属性相似的特征;②通过变异系数(coefficient of variation,CV)值变化及变异系数一阶差分(first-order difference,FOD)最低取值确定云南省山洪灾害危险性最佳区划单元为16个,具有形状上与地貌单元相近、数量上与行政单元相同,内部灾害发生机理相似的特征;③通过山洪灾害点、降水量、高程地貌的可视化比较,地理探测器定量分析,表明区划结果有较高的区内一致性和区间异质性.
- 高耀陈俊旭徐佳吕丽花梁宗玲赵璐沅王子尧
- 关键词：区划自组织映射神经网络
- 基于自组织映射神经网络的淮河流域生态系统服务簇时空变化特征被引量：4
- 2024年
- 生态系统服务簇的识别是区域生态系统服务管理与优化的关键。量化了2000、2010、2020年淮河流域产水量(WY),水源涵养(WC),土壤保持(SC),生境质量(HQ),水质净化(WP),净初级生产力(NPP)和碳储量(CS)7种生态系统服务。并基于自组织映射神经网络(SOFM)识别了生态系统服务簇,探讨了生态系统服务簇的时空变化特征。结果表明:(1)2000—2020年,WP,NPP与WC呈上升趋势,WC的增幅最大;CS与HQ呈下降趋势。淮河流域各生态系统服务具有时空异质性,生态系统服务高值区多位于西南部山区与东北部丘陵山地地区。(2)识别了5个生态系统服务簇:核心生态服务簇,WP服务簇,WY服务簇,NPP服务簇与生态过渡服务簇。核心生态服务簇与生态过渡服务簇的面积总体增加,流域西南部山区与东北部丘陵山地地区生态系统服务提升,2000—2020年,WY服务簇与NPP服务簇间的转移面积较大,WY服务簇面积减少达60.09%,NPP服务簇面积显著增加,2020年占整个流域面积的57.02%。研究结果不仅有助于清晰认识淮河流域生态系统服务簇的空间分布格局及动态变化,也为探索淮河流域可持续的生态系统管理与规划决策奠定了基础。
- 常耀文吴迪李欢刘霞王蕴鹏郭家瑜
- 关键词：生态系统服务淮河流域
- 基于自组织映射神经网络的变异体约简方法
- 2023年
- 针对变异测试中产生大量变异体导致变异测试成本过高的问题,提出一种基于自组织映射神经网络的变异体约简方法。利用弱变异转换法获得变异体杀死矩阵,将其作为变异体的特征数据,使用自组织映射神经网络对变异体聚类,并将相似的变异体放在一类簇中,根据变异体的杀死度从每类簇中选择最难杀死的变异体组成新的变异体集合,从而约简变异体的数量。测试结果表明,所提方法在保证变异测试有效性不受影响的同时可以约简平均80%的变异体,降低了变异测试成本。
- 王曙燕高雨
- 关键词：软件测试自组织映射神经网络
- 一种基于自组织映射神经网络的异构数据属性关联方法
- 本发明公开了一种基于自组织映射神经网络的异构数据属性关联方法，可在多个异构数据库中，通过匹配实体进行属性关联。首先，以输入的待匹配属性为输出神经元，以首个数据库的所有属性为输入神经元，根据神经元的匹配度，选择一个获胜神经...
- 钱玉洁张紫薇张杰
- 基于张量自组织映射神经网络的风电功率日场景生成方法
- 本发明公开了基于张量自组织映射神经网络的风电功率日场景生成方法，包括：获取多风电场的日场景数据集；利用张量自组织映射神经网络对日场景数据集进行聚类；对各聚类簇分别构建变分自编码器，从日场景数据中提取隐含特征；利用隐含特征...
- 李丹王奇孙光帆杨帆谭雅章可甘月琳
- 基于自组织映射神经网络深度强化学习的配电系统电压控制方法
- 基于自组织映射神经网络深度强化学习的配电系统电压控制方法，包括：S1:构建配电网实时电压控制模型框架；S2:对电压控制问题进行数学建模，明确优化模型中的变量在深度强化学习算法中所对应的变量，将数学优化模型转化为马尔科夫决...
- 冯昌森邬阳张有兵
