1) fuzzy self-organizing feature map
模糊自组织特征映射
2) Self-Organizing Map
自组织特征映射模型
1.
For the optimization nesting problem in the given nest region of two-dimensional irregular parts,Self-Organizing Map(SOM)and Hopfield artificial neural networks are integrated to look for the optimal position and rotating angle of the nesting parts.
对于二维不规则零件在排样区域上的优化排列,采用自组织特征映射模型(SOM)和Hopfield人工神经网络相结合的方法,寻找排样件在排样时的最优位置及各自的旋转角度,实现了二维不规则件自动排样,得到满意的优化排样结果,实例证明了该算法的有效性和实用性。
2.
Then self-organizing mapping(SOM) and Hopfield ANN were integrated.
该方法首先把排样和制造工艺联系起来,将多边形各边向外扩充,为零件预留加工余量;然后采用自组织特征映射模型(SOM)和Hopfield人工神经网络相结合的方法,运用SOM神经网络对初始在板材内随机排布的不规则零件进行平移,逐步减小不规则零件之间的重叠面积,求得各零件的最优位置,再运用Hopfield神经网络对平移后的零件旋转,进行迭代运算,当能量函数达到稳定状态时,得到各排样零件的最优旋转角度组合,实现自动排样。
4) SOM
自组织特征映射
1.
Results showed that air quality has been deteriorated gradually from 1997 to 2005,which was in accordance with the results of SOM.
在此基础上使用自组织特征映射验证了主成分分析的结果正确,最后给出了相关结论。
2.
In the paper, we introduce SOM (Self\|Organizing Map, one of clustering method in neural network) to Chinese Web search engine.
本文将神经网络聚类方法之一SOM(Self OrganizingMap ,自组织特征映射 )的思想和方法引入中文Web搜索引擎 ,首先探讨了其网络模型和算法 ,而后提出一种聚类用户所感兴趣的中文Web文档的层次聚类方法 ,从而提高中文Web文档的检索质
3.
In this article we put forward an improved VQ methode using SOM (self-organized map) for the original image compression.
本文提出了一种改进矢量量化进行SOM(自组织特征映射)原始图像压缩的方法,该方法基于小波变换,并对小波变换所得的参数(子块)使用SOM算法对其进行矢量量化,并根据不同的子块采用不同的量化方式。
5) self-organizing feature map
自组织特征映射
1.
The application of self-organizing feature map neural network to logging lithological identification;
自组织特征映射神经网络在测井岩性识别中的应用
2.
Application and Analysis of Self-Organizing Feature Map;
自组织特征映射网络的分析与应用
3.
Approach of clustering based on self-organizing feature map;
一种基于自组织特征映射网络的聚类方法
6) self-organizing feature maps
自组织特征映射
1.
To improve the performance of block matching algorithm in motion estimation and motion complement(ME+MC),a motion pattern recognition(MPR) algorithm based on self-organizing feature maps(SOM) is proposed and tested in object-based conference video coding.
针对块匹配运动估计补偿(ME+MC)算法的不足,提出了一种基于自组织特征映射(SOM)的运动模式识别(MPR)算法,应用于会议电视的视频对象编码。
2.
To overcome disadvantages of existing initial codebook algorithms,a new separating mean algorithm for learning vector quantization(LVQ)based upon self-organizing feature maps(SOM) was proposed.
针对原有随机数设置法、训练矢量集随机抽取法和LBG分裂法等初始码书算法存在码矢利用率较低、运算量大和与信源匹配程度不高等不足,提出了一种新的分离平均法,并应用到基于自组织特征映射算法(SOM)的学习矢量量化(LVQ)中。
3.
To improve performance of codebook and learning efficiency,self-organizing feature maps(SOM) are analyzed,a new self-learning feature maps(SLM) algorithm is proposed.
为了有效地提高矢量量化(VQ)码书的性能,提出了一种新的自学习特征映射(SLM)算法,并应用到图像VQ中,实验表明,与自组织特征映射(SOM)算法相比,SLM算法具有聚类特性好和峰峰信噪比高等优点,是一种非常有前途的码书设计算法。
补充资料：模糊自动机
状态转移函数和输出函数为模糊函数的一类自动机。自动机可抽象地用一个五元组表示,即：A＝(X，S，Y，f，g)，式中X、S 和Y 分别是输入集、状态集和输出集，f和g分别是状态转移函数和输出函数。在确定的自动机中，状态转移函数f和输出函数g都是确定的，可以用严格的数学函数来描述。如果把状态转移函数 f和输出函数g模糊化，或者 f和g只能用模糊函数来描述，则自动机A即为模糊自动机。
模糊自动机是E.S.桑托斯在1968年提出的，在此之前美国学者L.A.扎德在1965年提出模糊集合标志着模糊数学的诞生。桑托斯把模糊自动机作为图像识别和学习系统的数学模型，探索了自动机的学习能力。1969年傅京孙等把模糊神经元概念引入自动机理论，以研究复杂大系统如生物系统、经济系统、城市系统等的行为。70年代以来，模糊自动机已在模式识别、学习系统、复杂系统的控制等方面获得广泛的应用。
模糊自动机属于不确定自动机，它对每一可能的内在状态指定隶属函数。将确定自动机推广为模糊自动机是出于解决实际问题的需要，特别是对实际几何图形的模式识别和研究复杂系统的行为的需要。例如，实际生活中的几何图形（如等腰三角形）常常不能象几何学中所定义的那样严格，表现出某种程度的模糊性（如看上去是，但实际却是非严格的等腰三角形），因此必须采用模糊自动机才有可能识别模糊的几何图形。
模糊自动机理论是建立在模糊数学的基础上的。模糊数学是将二值逻辑{0，1}推广为可取[0，1]闭区间任意值的无穷多个值的连续值逻辑，其运算可以完全通过隶属函数来进行。在模糊自动机中，f 和g 分别是映射
f:S×X×S →[0，1]
g:S×X×Y →[0，1]
模糊自动机与模糊文法有密切关系。模糊语言的文法，是将普通文法的规则加以模糊化，而生成的话构成VT的一个模糊子集。其中VT为终极符号的集合,例如机器描述等腰三角形的文法中VT就为三角形的三条边。一个模糊文法是一个五元序组
FG＝(VT，VN，S0，P，h)式中VN是非终极符号的集合,S0是起始符号，P是规则集，h是映射f:P→[0，1]。给定一个模糊正规文法，必唯一存在一个约束模糊自动机，使模糊正规文法所生成的模糊语言在一定意义下能用模糊自动机判定。因此模糊自动机与模糊正规文法有一一对应的关系。约束模糊自动机是模糊自动机的一种，其中初始状态是S 的普通子集，输出集Y＝{0,1},g是从S 到Y 的一个普通映射。模糊自动机和模糊算法、模糊程序等也都有着密切的联系。
模糊自动机是E.S.桑托斯在1968年提出的，在此之前美国学者L.A.扎德在1965年提出模糊集合标志着模糊数学的诞生。桑托斯把模糊自动机作为图像识别和学习系统的数学模型，探索了自动机的学习能力。1969年傅京孙等把模糊神经元概念引入自动机理论，以研究复杂大系统如生物系统、经济系统、城市系统等的行为。70年代以来，模糊自动机已在模式识别、学习系统、复杂系统的控制等方面获得广泛的应用。
模糊自动机属于不确定自动机，它对每一可能的内在状态指定隶属函数。将确定自动机推广为模糊自动机是出于解决实际问题的需要，特别是对实际几何图形的模式识别和研究复杂系统的行为的需要。例如，实际生活中的几何图形（如等腰三角形）常常不能象几何学中所定义的那样严格，表现出某种程度的模糊性（如看上去是，但实际却是非严格的等腰三角形），因此必须采用模糊自动机才有可能识别模糊的几何图形。
模糊自动机理论是建立在模糊数学的基础上的。模糊数学是将二值逻辑{0，1}推广为可取[0，1]闭区间任意值的无穷多个值的连续值逻辑，其运算可以完全通过隶属函数来进行。在模糊自动机中，f 和g 分别是映射
模糊自动机与模糊文法有密切关系。模糊语言的文法，是将普通文法的规则加以模糊化，而生成的话构成VT的一个模糊子集。其中VT为终极符号的集合,例如机器描述等腰三角形的文法中VT就为三角形的三条边。一个模糊文法是一个五元序组
FG＝(VT，VN，S0，P，h)式中VN是非终极符号的集合,S0是起始符号，P是规则集，h是映射f:P→[0，1]。给定一个模糊正规文法，必唯一存在一个约束模糊自动机，使模糊正规文法所生成的模糊语言在一定意义下能用模糊自动机判定。因此模糊自动机与模糊正规文法有一一对应的关系。约束模糊自动机是模糊自动机的一种，其中初始状态是S 的普通子集，输出集Y＝{0,1},g是从S 到Y 的一个普通映射。模糊自动机和模糊算法、模糊程序等也都有着密切的联系。
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