1) growing hierarchical self-organizing map networks
生长分层自组织映射网络
1.
In order to solve the problem of hardly identifying the lithology on the complex reservoir,we bring forward a model on the identification of lithology based on growing hierarchical self-organizing map networks,and a test on JIN66 well to identify well lithology has been made.
针对复杂类型油气储层的岩性识别难的问题,提出了一种新的基于生长分层自组织映射网络的岩性识别模型,并对金衢盆地金66测井数据进行仿真试验。
2) self-organizing map
自组织映射网络
1.
Peak load forecasting using the self-organizing map;
基于自组织映射网络的峰值负荷预测方法
2.
The method uses a self-organizing map to obtain the class label for each training sample and enhanced Fisher linear discriminant(EFM) to find the optimal projection for pattern classification,and a Gaussian distribution to model the class-conditional density function of the projected samples for each class.
该方法首先使用自组织映射网络为每个训练样本确立类别标签 ,然后用改进的 Fisher线性判别模型对所有样本进行投影以尽可能拉大各类之间的距离 ,最后使用高斯分布对每类样本进行建模 。
3) SOM
自组织映射网络
1.
Propose a new self- organizing neural model that performs anomaly detection of HTTP tunnelling activities; discuss the fea- tures of HTTP connections, the optimization of SOM training, and the reduction of false- positive/false- negative.
基于自组织映射网络聚类算法,提出HTTP隧道攻击异常检测模型,讨论HTTP连接样本特征、SOM网络分步优化训练、漏报与误报率的平衡等问题,实现模型并对检测结果进行验证,结果表明系统较好地识别了正常HTTP连接和HTTP隧道连接,漏报/误报率达到最佳平衡。
2.
Research on RSOM Algorithm and Its Application;
为了克服这些困难,在Kohonen自组织映射模型(SOM)的基础上,提出了两种基于类别可分性判据RSOM分类树:非结构自适应的RSOM Ⅰ分类树与基于奇异值分解方法的结构自适应RSOM Ⅱ分类树,这两种分类树的每个节点由拓扑有序的自组织映射网络组成。
4) self-organizing feature map
自组织映射网络
1.
In order to distinguish the faults of flight actuator efficiently and make the pilot be able to solve these faults in time,a method based on Learning Vector Quantization algorithm of self-organizing feature map is proposed.
为了对飞行作动器的故障进行有效辨识,使飞行员能够在更短时间内对故障进行处理,提出了基于自组织映射神经网络的学习向量量化算法;使用此方法在大步长采样下对飞行作动器的卡死和损伤故障进行训练和辨识,并尝试运用小波包技术分解小步长采样数据,结合自组织映射网络对分解后的数据进行分析;检验结果表明,大步长采样下,检测和分类效果令人满意,且具有良好的网络的泛化能力,而在小步长采样下,自组织映射网络不能有效区分故障类型,识别失败。
5) growing hierarchical self-organizing map(GHSOM)
生长型分级自组织映射
6) Self-organizing Feature Map
自组织特征映射网络
1.
Application of Self-organizing Feature Map in water quality classification;
自组织特征映射网络在水质分类中的应用
2.
The application of Self-Organizing feature Map in ships Radar Target Recognition;
自组织特征映射网络在船舶雷达目标识别中的应用
3.
A rule induction model based on self-organizing feature map (SOFM) and genetic algorithm is proposed for quantitative data.
提出一种基于自组织特征映射网络(SOFM)和遗传算法的定量数据规则提取模型。
补充资料：顶端分生组织
| 顶端分生组织 apical meristem 维管植物根和茎顶端的分生组织。植物体其他各种组织和器官发生，均由它的细胞增生和分化而来。 根端 根端分生组织由根的保护结构根冠所覆盖，因此它们并不在根的最前端，而是位于亚顶端，其原始细胞较小，一般等径，排列紧密。细胞壁薄，液泡化程度较低，细胞质内细胞器丰富。顶端分生组织的细胞合成代谢旺盛，处于胚性状态。 根据原始细胞形态、细胞分裂活动以及细胞组织分区等特征，根端可有不同的类型：一些低等维管植物，顶端有一个倒四面体锥形的顶端细胞，它向顶进行平周分裂，产生根冠细胞 ；向基作垂周分裂 ，分化出各组织系统。某些植物，根端有1～2层横列的原始细胞。原始细胞向基衍生的细胞构成中柱分生组织区，进一步分化中柱组织系统、皮层和环柱分生组织区。后者向基分化表皮和皮层，向顶产生根冠的环柱组织 。很多双子叶植物顶端分生组织区有3列原始细胞，其上层为中柱原，中层为皮层原，下层是表皮和根冠共同的原始细胞，称为表皮根冠原。大多数单子叶植物的根端有 3列原始细胞，其中根冠有独立的原始细胞，称为根冠原，表皮则与皮层共同起源于皮层原。有的种类表皮有它独立的表皮原。所有根的组织系统和根冠，有其共同原始细胞的，属开放型；而中柱、皮层和根冠，甚至于表皮，各有其一定的原始细胞，属封闭型 。 一般认为开放型是比较原始的类型。 营养茎端 营养生长阶段的茎端，由一些叶原基和幼叶保护着，并有外起源的侧生器官——叶和芽的发生。在植物个体发育的各个阶段茎的顶端分生组织外形、大小和细胞分裂活动等方面变化较大。 根据原始细胞的形态，细胞分裂活动及其衍生细胞与组织区域之间的关系，营养茎端可分为3种类型：① 一般蕨类植物，分别有三面体和四面体的顶端细胞位于顶端分生组织的顶部。顶端细胞的顶面都不进行平周分裂，只是三面体的两个侧面和四面体的三个侧面斜向进行垂周分裂，随后进行平周分裂或多向分裂，表面的细胞分化为表皮，内部细胞分别分化为基本薄壁组织和中柱。②许多裸子植物的顶端的原分生组织，基本上分为两个细胞群：一是位于顶端表面，由1～2层细胞组成的顶端原始细胞群；一是由顶端原始细胞群所衍生的中央母细胞。这些原始细胞群向侧面衍生的细胞，称为周围区 ，叶原基、 表皮、皮层和维管组织均起源于此；在中央母细胞基部的衍生细胞，多作横向分裂形成肋状分生组织，由它进一步分化为髓部。 ③ 被子植物顶端分生组织，普遍具明显的原套-原体结构。 原套在茎端的表面，有 1～5层原始细胞，它们都以垂周分裂为特征。原体在原套的内方，细胞作多向分裂，无分层现象。原套和原体各有其原始细胞。原体部分也可分为中央母细胞区、周围区和肋状分生组织区。 叶起源于顶端分生组织的周围区，发生的位置决定于各种植物叶序的特性，即刚发生的叶原基能在一定距离内抑制新叶的发生。 生殖茎端 由营养茎端转变为生殖茎端，在结构方面，表现为顶端分生组织仍具有一般的原套和原体的结构，或者表面细胞层数有所增减。顶端分生组织区向四周扩展变宽，而纵深变得较浅，顶区的原始细胞液化程度降低，细胞质稠密，由于细胞分裂频率较高，细胞也变得较小，并与周围区的细胞大小相同，从而在顶端分生组织表面形成了一个分生组织套层。从而在生殖茎端上分化出花的各部分（花冠、雄蕊与雌蕊）。 |
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条