搜索到2856篇“ 自组织特征映射网络“的相关文章
- 基于自组织特征映射网络的目标分群方法
- 公开一种基于自组织特征映射网络的目标分群方法，包括如下步骤：读取当前时刻我方传感器获得的数据；对读取的传感器数据进行清洗；引入SOM对处理后的数据进行分组，使用混合计算方法计算神经元和传感器数据间的距离，利用标准化置信度...
- 黄震宇白娟张振兴杨任农王栋
- 基于自组织特征映射网络的采煤机故障诊断
- 2022年
- 针对采煤机日常运行中各类故障难以诊断的问题,以MG300/700-WD型交流电牵引采煤机为研究对象,通过提取采煤机的故障特征信息,并结合相关样本数据,提出了一种基于自组织特征映射(SOM)网络的采煤机故障诊断模型。经Matlab仿真测试,采用SOM网络进行采煤机故障诊断具有一定的可行性和实用性。
- 常莹莹林园园徐彤
- 关键词：自组织特征映射采煤机故障诊断故障特征
- 基于自组织特征映射网络-随机森林模型的滑坡易发性评价——以江西大余县为例被引量：13
- 2022年
- 为深入探讨评价单元和非滑坡样本选取对滑坡易发性预测的影响,构建了一种基于自组织特征映射网络-随机森林模型的滑坡易发性评价模型。该模型针对栅格单元和斜坡单元在滑坡易发性评价中的不足,结合栅格单元和斜坡单元的相互关系,提出了滑坡易发性指数的优化计算方法。在此基础上,基于随机森林Tree Bagger分类器构建滑坡易发性评价模型,通过对比分析自组织特征映射网络和随机方法选取非滑坡样本对评价结果的影响,探讨自组织特征映射网络、随机森林和自组织特征映射网络-随机森林三种评价模型的有效性;将评价模型应用于大余县滑坡易发性评价。结果显示,随机森林模型和自组织特征映射网络-随机森林模型的预测精度较高,分别达到91.19%和94.94%,成功率曲线的AUC值分别为0.822和0.849,表明自组织特征映射网络-随机森林模型具有更高的预测率和成功率,自组织特征映射网络聚类的预测精度虽然有限,但作为非滑坡样本的选择方法,能够有效提高随机森林模型的评价精度。
- 何书鲜木斯艳·阿布迪克依木胡萌陈康
- 关键词：自组织特征映射网络
- 基于自组织特征映射网络的电弧故障检测方法被引量：10
- 2020年
- 一般利用故障电弧产生时的电流波形特性进行电弧故障检测。随着线路负载种类的日益增多,故障电弧产生时的电流波形与某些负载无弧情况下的电流波形十分相似,难以通过简单的电流时频域特征进行电弧故障检测,影响电弧故障检测的准确性。针对该问题,提出一种自组织特征映射网络与滑窗法相结合的电弧故障检测方法,在自组织特征映射网络自主挖掘电流数据内在特征的基础上,利用相邻周期电流样本之间的关联性与连续性,对电流信号进行连续检测,提高电弧故障检测准确率。所提方法能有效实现电弧故障检测,电弧故障检测准确率可达99%。
- 林靖怡王尧李奎田明
- 关键词：故障电弧电流波形自组织特征映射网络
- 基于自组织特征映射网络的台区低电压状态识别模型
- 2020年
- 当前农村及城镇配电台区低电压问题日益严重,缺乏台区低电压状态识别方法,提出一种基于自组织特征映射网络的台区低电压状态识别模型。推导了状态识别所需的特征参量,研究了台区低电压与供电半径、导线截面积、配电变压器负载率、配电变压器档位、功率因素和三相不平衡等因素之间的关系,建立台区低电压状态识别指标体系,利用自组织特征映射网络模型根据台区低电压状态进行分类。通过与待测台区的实际验证,可以准确地解决台区低电压状态识别问题,便于供电公司提前制定相应措施,满足居民的用电需求。
- 刘明郝思鹏
- 关键词：自组织特征映射网络低电压特征参量
- 基于自组织特征映射网络方法的学生体质健康数据聚类分析被引量：1
- 2020年
- 目的:寻找体质健康测试各指标间复杂的、非线性的关系,为体育教学工作提供科学的技术支持。方法:将成都市某高校近3万名在校大学生体质健康数据分为男生组与女生组,运用自组织特征映射网络(Self-organizing feature Map,SOM)方法,对两组数据进行聚类分析。并以各类学生相同变量的均值作为权重,对不同变量值间变化趋势进行可视化表达。结果:分别将男女生测试数据聚为A、B、C、D四类。男生组中各类不同变量变化有迹可循,女生组中各类“各有所长”且变化趋势较为复杂。结论:(1)上肢和腰腹力量素质与柔韧素质间存在“此消彼长”现象。针对此现象,在体育教学中应在端正学生训练态度的同时,加强力量素质与柔韧素质的交叉性训练。(2)男学生群体中,力量素质对身体素质的影响最大。建议在训练中,注重以力量训练为起点,再辅以跑动能力的锻炼。(3)男女学生各项测试指标间变化情况存在较大差异。针对此情况,应注意男女学生之间采取差异化的训练方法。
- 郑忠
- 关键词：体质健康自组织特征映射网络
- 基于自组织特征映射网络的目标分群方法
- 公开一种基于自组织特征映射网络的目标分群方法，包括如下步骤：读取当前时刻我方传感器获得的数据；对读取的传感器数据进行清洗；引入SOM对处理后的数据进行分组，使用混合计算方法计算神经元和传感器数据间的距离，利用标准化置信度...
- 黄震宇白娟张振兴杨任农王栋
- 宝华玉兰生存群落的自组织特征映射网络排序与分类被引量：5
- 2019年
- 为了解国家Ⅱ级保护植物宝华玉兰Magnolia zenii的种群分布规律及其濒危原因,进一步揭示宝华玉兰野生种群与群落及环境之间的生态关系,应用自组织特征映射网络(SOM)对宝华玉兰生存群落进行了排序和分类,以期为保护和管理宝华玉兰种群野生种质资源提供理论依据和新的方法。结果如下:①群落结构分析表明,宝华玉兰天然更新缺乏,且紫楠Phoebe sheareri,建始槭Acer henryi等优势种占据了主要生存空间与资源,影响了宝华玉兰种群增长和发展,使其在群落中处于不稳定地位;②SOM将40个样方进行聚类分析,得到7个群落类型。不同群落类型之间的物种组成存在差异,界限清晰,排序结果与优势种实际分布情况吻合,说明SOM的分类结果具有合理性;③环境因子可视化分析揭示了宝华玉兰分布于坡度较缓的半阳坡,种群分布主要受到坡向和坡度2个环境因子的影响,由于宝华玉兰自身生长过程中对环境要求的特殊性和不适应性,造成了其濒危现状;④SOM具有高度非线性拟合的特点,且能够同时进行排序和分类,并将分类结果可视化,呈现样方之间的相似性,说明SOM应用于群落分类和排序,反映种群与群落及环境之间的生态关系是合适的。
- 王鹏程杨国栋杨国栋钟育谦翟飞飞张贵宝邱靖陈林邱靖陈林
- 关键词：植物学排序自组织特征映射网络
- 基于自组织特征映射网络的电力物资分类方法
- 本发明公开了基于自组织特征映射网络的电力物资分类方法，包括以下步骤：物资数据采集：选取物资数据并将选取的物资数据构建成电力物资指标体系；物资数据分析：将电力物资指标体系中的数据按照非线性主成分分析法选择出电力物资主成分分...
- 程宏亮刘宏饶思维秦宾张卫东
- 基于自组织特征映射网络(SOM)的聚类分析方法被引量：8
- 2016年
- 介绍了自组织映射网络聚类分析方法,以2012年以来全世界女子排球最重要的七次大赛成绩为依据,提高世锦赛、世界杯、奥运会权重,建立了相应的神经网络模型,并对世界九支女排强队成绩进行6个级别分类。在训练过程中减小关联度较小的样本影响,提高了预测精度、训练速度。使用Matlab工具箱函数进行仿真,面对网络媒体中众多的世界排名,推测预知,提出了相对科学的数据分析方法。
- 刘焕海叶剑锋阿斯耶姆
- 关键词：女子排球聚类分析
