...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Kinetik >Application Kohonen Network and Fuzzy C Means for Clustering Airports Based on Frequency of Flight
【24h】

Application Kohonen Network and Fuzzy C Means for Clustering Airports Based on Frequency of Flight

机译：基于飞行频率的Kohonen网络和模糊C均值在机场聚类中的应用

获取原文
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In Indonesia, the demands of air tranportation for reaching destination increase rapidly. Based on the flight schedule in airports spreading in Indonesia, the airports have different flight demand rate so that it requires clustering. This research will use two methods for clustering : kohonen network and Fuzzy C Means (FCM).Kohonen network is the type neural network which uses unsupervised training.Kohonen network uses weight vectors for training while FCM uses degree of membership. Both kohonen network and FCM, inputs are represented by the number of departure and arrival of airline in one day. For kohonen network, we update weight matrices so that minimizing the sum of optimum euclidean distance. For FCM, we update degrees of membership so that minimizing the objective function value.From the simulations, we can cluster the airports based on the number of departure and arrival of airline.
机译：在印度尼西亚，航空运输对到达目的地的需求迅速增长。根据在印尼分布的机场的航班时刻表，机场的航班需求率有所不同，因此需要进行聚类。本研究将使用两种方法进行聚类：kohonen网络和模糊C均值（FCM）.kohonen网络是使用无监督训练的类型神经网络.kohonen网络使用权向量进行训练，而fcm使用隶属度。 kohonen网络和FCM的输入均以一天中航空公司的起降次数表示。对于kohonen网络，我们更新权重矩阵，以使最佳欧式距离的总和最小。对于FCM，我们会更新隶属度，以使目标函数值最小化。从仿真中，我们可以根据航空公司的起降数量对机场进行聚类。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号