基于SOM神经网络的聚类方法研究

聚类分析是由若干个模式组成的,它在数据挖掘中的地位越来越重要。通过数据挖掘聚类分析,可以及时了解各地区经济实力等重要的信息,对各级政府政策制定上及宏观调控上都具有非常重要的现实意义。

维普资讯

笫2 2卷笫 2期 2 0年 4月 08

吉林省经济管理干部学院学报J u n l f Jl r v n eE o o cM a a e e t a r ￣ g o r a i n P o i c c n mi n g m n d eCo e e o i C

Vo . 2 N o2 12 .

Ap i 2 08 rl 0

基于 S 神经网络的聚类方法研究 M O口赵晓丹齐，志

(. 1吉林省经济管理干部学院国际商务系，吉林长春 l0 l; 30 22东北师范大学计算机学院，吉林长春 10 1) . 3 0 7

睛

要】聚类分析是由若干个模式组成的，它在数据挖掘中的地位越来越重要。通过数据挖掘聚类分

析，可以及时了解各地区经济实力等重要的信息，对各级政府政策制定上及宏观调控上都具有非常重要的现实意义。

【关键词】数据挖掘；聚类分析；自组织特征映射神经网络【中图分类号】 P 9. T 330 2【文献标识码】A 【文章编号】 0 905 (0 80 .0 1 3 10 .67 20 )20 8. 0

数据挖掘，又称为数据采掘、数据开采，近的术相语有K ( DD数据库知识发现)数据分析、、数据融合、决

hnn oe映射 )神经网络 (称s M神经网络【.】,由简 O 14)是K hnn o o e教授提出的对神经网络的数值模拟方法，这种方法是人工神经网络的重要分支之一。自组织特

策支持等。数据挖掘是指从大型数据库的数据中提取人们感兴趣的知识，而这些知识是隐含的、事先未

征映射神经网络 (OM)拟大脑神经系统的自组织 S模特征映射功能，是一种无监督竞争式学习的前馈网络，练中能无监督自组织学习。在训它通过学习可以

知的、潜在的有用信息。聚类分析方法即根据实体的特征对其进行聚类或分类，进而发现数据集的整个空

间分布规律和典型模式的数据挖掘方法。聚类分析是根据“以类聚”物的原理，将本身没有类别的样本聚集成不同的组，并且对每一个这样的组进行捕述的过程。聚类方法包括统计方法、机器学习方法、经网神络方法和面向数据库的方法。

提取一组数据中的重要特征或某种内在规律，散按离时间方式进行分类。网络可以把任意高维的输人映射到低维空间，且使得输人

数据内部的某些相似性并质表现为几何上邻近的特征映射。这样，在输出层就

目前，于s基 OM神经网络的聚类方法仍然是数据挖掘领域的一个研究热点。一

映射成一维或二维离散图形，并保持其拓扑结构不变。这种分类反映了样本集的本质区别，大减弱了大一

致性准则中的人为因素。

、

S OM人工神经网络模型

S OM网络结构【-]图 1 56￣I所示，由输人层和竞它争层组成。输人层神经元数为n竞争层南M= 神。 n个

( )OM网络结构一 S

特征映射(ef ra in etr p也称K - SlOgnz gFaueMa, - i o

经元组成的二维平面阵列，人层与竞争层各神经元输

【收稿日期】 0 8 0— O 2 0— 3 4

【作者简介】赵晓丹(9 1 )女， 18一，汉族，吉林省四平市人，吉林省经济管理干部学院国际商务系助教，金融学硕士。

81

本文来源：https://www.bwwdw.com/article/hdc1.html