自组织映射神经网络

摘要： 滚动轴承故障的准确诊断是保障旋转类设备安全稳定运行的关键。为提升轴承故障诊断的准确性,提出一种基于自组织映射神经网络的故障诊断方法。首先,分别提取轴承运行过程中产生的振动信号时域特征和频域特征;然后,利用SOM具有的自组织特性,将特征向量输入SOM网络进行无导师自学习,以构建可视化的故障诊断模型。试验分析表明,该方法可实现对轴承不同故障类型的有效诊断,具有较好的应用前景。

摘要： 针对自组织映射SOM(self-organizing map)神经网络聚类性能易受其初始权值的影响,采用蜻蜓算法DA(dragonfly algorithm)优化SOM神经网络的局部权重失真指数LWDI(locally weighted distortion index),对神经网络的初始权值进行寻优。以光伏阵列故障数据样本为研究对象,将正常与故障状态下的输出特性进行对比分析,建立故障诊断模型,并利用诊断模型诊断和输出故障类型。仿真结果表明,与基本SOM神经网络及反向传播BP(back propagation)、DA-BP神经网络相比较,DA-SOM神经网络能够得到较优的聚类效果,可有效地提高光伏阵列故障诊断的准确率。

摘要： 对用户评价满意度进行大数据分析,挖掘影响满意度关键因素以及对策,持续优化服务为用户提供高质量的知识资源,成为图书馆研究的主流方向。本文采用自组织映射神经网络算法建立满意度评价分类模型,针对自组织映射神经网络模型受神经元网络连接权重的初始值和阈值影响稳定性不足的问题,引入粒子群算法选择最优初始权重,稳定评价模型提升准确度,通过仿真实验论证,优化后的神经网络算法,对比BP神经网络以及自组织映射神经网络模型,其网络性能较好,评价准确性更高,平均准确率达到了94%,且通过粒子群算法的优化,加快了算法本身的收敛速度。

摘要： 正电子发射断层扫描(PET)是一种功能性核医学成像设备,已广泛应用于临床检验和临床前研究。其核心探测器主要采用闪烁晶体阵列耦合光电器件阵列的模块化设计。该类型探测器需要对其泛场图像进行分割,制作晶体位置查找表。本文开发了一种针对双层错位的DOI-PET探测器的泛场图像晶体响应中心自动识别和分割算法。基于奇异值分解和均值漂移的算法实现顶层晶体中心的识别;基于自组织映射(SOM)神经网络的算法和均值漂移实现底层晶体中心的识别;采用基于欧氏距离的算法,实现了泛场图像晶体单元的分割。将本文所开发的算法用于整环(48张)PET泛场图像,晶体模块中心识别的准确率为99.34%,完成分割整张泛场图像的平均耗时为101 s。测试结果表明,本文所开发的泛场图像晶体响应中心自动识别和分割算法适用于双层错位的DOI-PET探测器,算法鲁棒性强、准确率高、运算速度快。

摘要： 现有场景生成方法往往忽略时空功率相关性的多样性,且无法准确反映原始场景中功率时空分布关系。针对该问题,文章首先以功率日场景的时空二阶张量距离为依据,采用自组织映射神经网络将具有相似时空相关性的日场景历史样本聚合;然后分别构建各簇日场景的变分自编码器编码解码网络,编码得到各簇场景隐含特征,对其按比例进行独立抽样;解码后再聚合,获得随机模拟新场景集合。实际算例结果表明,文章所提出的方法能有效生成符合真实多风电场功率时空相关性和概率分布规律的多风季和少风季风电功率时空场景数据。

摘要： 为查明场地污染分布特征,需对场地土壤和地下水进行钻探取样,按规范的检测指标进行逐一测试.在初查和详查阶段将获得大量的土壤和地下水污染数据,数据样本数量大、监测指标多,数据结构复杂,如何从场地大数据中提取价值信息已成为研究热点.以某有机污染场地为例,基于自组织映射神经网络(SOM)和K均值算法开展大数据分析,深入探讨地下水和土壤中各污染指标间的相关性.结果 表明:(1)基于自组织映射神经网络的大数据分析可快速挖掘复杂多维的污染场地监测数据,有效完成关键信息的提取;(2)地下水中污染检出指标存在显著的聚类特征,同一聚类中的污染指标具备相似的空间分布特征.对场地污染物检测采取先分类后分级的优化筛选策略,减少污染物检测指标数目,从而有效降低场地检测费用;(3)土壤和地下水中污染检出指标存在良好的空间相关性,这与该污染场地地下水渗流速度缓慢有关.土壤和地下水污染检出指标空间分布的相关性,有助于场地污染源的追溯.

摘要： 专用变压器作为工业园区电力系统的重要组成部分,对园区内电网的稳定性与安全性有着十分重要的影响.针对专变实时电气运行参数的波动性与异质性,提出了一种基于极限区间的专变数据标准化方法.考虑了专变电气运行参数的动态集结方式与评价特征裕度,为后续专变健康量化评价方法提供完整且公平的评价信息.为了将专变电气运行参数对专变自身健康的影响进行清晰量化,将专家经验评价与神经网络相结合提出了一种基于极限区间与改进PCA-SOM的电气运行参数对专变健康影响的量化评价方法.在自组织映射神经网络的基础上,通过引入主成分分析法中的主成分贡献度对目标函数进行修正,并且结合各神经元的专家经验评分得到专用变压器的健康状态实时量化评分.最后采用"浙电云"大数据平台上采集的专变数据进行实验.结果表明该方法相比其他方法有着更好的评价效果,更能准确反映专变的实时电气运行参数的变化对专变健康状况的影响.

摘要： 以万州区海绵城市建设试点为研究对象,采用自组织映射神经网络( SOM网络),通过径流污染指标变量与影响因素变量的U 矩阵识别降雨径流污染的主要影响因素及其相关性,并利用构建的场次降雨污染物平均浓度(EMC)预测模型分析确定各因素的影响强度.结果表明,有限的监测数据难以识别径流污染的显著影响因素,而采用SOM组分面(U 矩阵)可直观地半定量解译各污染物间的相关关系,与Pearson定量相关性分析结果吻合. SOM网络可有效识别径流污染物的主要影响因素,其中SS、COD和TP污染物主要受降雨量和径流系数影响,NO-3 -N和NH3 -N受降雨量和降雨历时影响,而TN则主要受径流系数驱动影响.

摘要： 以交通为导向的发展是一种有效地将土地利用与交通相结合的规划模式.通过改进传统的"节点—场所模型",增加了描述两者之间"关系"的维度.首先,基于模糊层次分析法确定评价体系中各指标的权重,从而评价不同站点之间的差异.其次,用自组织映射聚类依据3个维度的综合得分将轨道交通站点划分为四类.最后,在上述分析的基础上,给出针对当前轨道交通的改进措施.

摘要： 通过对汽车行驶数据的处理后找出刻画交通路况的特征值,利用主成分分析对各运动学片段的表征值降维后提取前三个主成分,再利用自组织映射神经网络模型进行训练,将所获得的权值设置为粒子群聚类的初始聚类中心,聚类后根据皮尔逊相关系数选取运动学片段,拟合各类行驶工况图.通过分析合成工况与原始工况的特征参数误差、速度与加速度联合分布图,并与K-means聚类方法进行对比后,得出:本文采用的方法误差较小,收敛速度快,合成工况图可以反映出原始数据所蕴含的交通路况信息.

摘要： 针对传统地震相分析方法对海量地震数据处理运算速度较慢、容易陷入局部最优解、灵敏性不高、未考虑先验知识等难题,本文提出了基于叠前地震纹理属性的半监督全局优化地震相分析方法.算法中首先引入叠前地震纹理属性以突出地震反射信息中的微小空间、振幅随方位角、偏移距等的变异性,然后通过训练样本对自组织映射神经网络(SOM)进行训练,最后在先验知识的约束下,采用具有全局优化能力的人工蜂群算法对SOM输出层的神经元进行半监督最优化聚类,得到最优的神经元与地震相的映射关系.实际应用结果表明,提出的方法显著地提高了地震相图的准确度和地震微相的识别能力,能够成为一种性能更加优越的地震相分析工具.

摘要： 阶梯电价的制定受用户电力消费结构、水平、居民收入状况等多种因素影响，只有综合考虑这些因素,才能确定合理的阶梯电价。为此，以居民月用电量曲线为对象，采用自组织映射神经网络(SOM)进行月用电量特征挖掘，提出阶梯电价分档及各档基数电量确定的新方法。最后，根据聚类结果，讨论了阶梯电价实践中存在的几个争议性问题，对我国现试行的阶梯电价制度提出了相关建议。

摘要： 在SOM（自组织映射神经网络）和SVMs（支持向量机）的组合预测基础上，引入迭代多步预测和直接多步预测，提出能够有效的预测长期股票价格指数的新方法，以单一SVMs 作为评价基准，对中国上证综指进行了实证研究。结果表明，提出的基于SOM 和SVMs 的股票价格指数多步预测方法具有更优的长期预报性能。

摘要： 舰艇在冲击环境中的生命力是其技术性能的要素之一,正确分析舰艇生命力是舰艇生命力设计、管理、优化的前提.本文针对舰艇生命力分析中评估舰艇系统冲击损伤的传统方法的一些不足之处,提出了一种新的舰艇系统冲击损伤决策方法.它利用自组织映射人工神经网络的聚类功能,将舰艇系统在冲击环境中的损伤程度评估作为一个分类问题进行处理,在不需要学习样本的情况下建立了预测舰艇在冲击荷载作用下生命力分类模型.对舰艇某子系统生命力的计算实例表明,该方法准确率较高.在数值实验中还分析了有关参数对分类结果的影响.

摘要： 利用计算机图像处理技术进行虹膜图像处理,结合中西医诊断标准,实现虹膜自动诊断,具有重要现实意义。本文采用多通道Gabor滤波纹理分析的方法,先提取虹膜纹理能量特征,然后通过自组织映射神经网络自动分类虹膜典型疾病特征,取得了较好效果,最终可以应用于基于虹膜的计算机辅助诊断。

摘要： 本研究采用自组织映射方法分析了北京市乡镇级2005、2007、2009、2011、2013年5个时间序列的土地利用的时空演变,实现了多时间序列土地利用数据的时空一体化表达和对比分析.通过构建自组织映射神经网络、二次聚类以及构建土地利用变化轨迹等方法,得到北京市乡镇级土地利用时空演变规律,发现北京市平原区、山区及二者过渡的山前结合带的各自不同的土地利用变化轨迹与模式.

摘要： 提出了一种新型的柴油机故障诊断方法,该方法使用主成分分析(PCA)法对故障样本降维,有效提取故障样本主要特征,在此基础上,将其作为输入使用自组织映射(SOM)神经网络进行训练得到故障识别网络.400组模拟故障数据的测试表明,两者结合的方法能有效提高网络的训练速度,获得满意的故障识别率.

摘要： 提出了一种新型的柴油机故障诊断方法,该方法使用主成分分析(PCA)法对故障样本降维,有效提取故障样本主要特征,在此基础上,将其作为输入使用自组织映射(SOM)神经网络进行训练得到故障识别网络.400组模拟故障数据的测试表明,两者结合的方法能有效提高网络的训练速度,获得满意的故障识别率.

摘要： 提出了一种新型的柴油机故障诊断方法,该方法使用主成分分析(PCA)法对故障样本降维,有效提取故障样本主要特征,在此基础上,将其作为输入使用自组织映射(SOM)神经网络进行训练得到故障识别网络.400组模拟故障数据的测试表明,两者结合的方法能有效提高网络的训练速度,获得满意的故障识别率.

摘要： 提出了一种新型的柴油机故障诊断方法,该方法使用主成分分析(PCA)法对故障样本降维,有效提取故障样本主要特征,在此基础上,将其作为输入使用自组织映射(SOM)神经网络进行训练得到故障识别网络.400组模拟故障数据的测试表明,两者结合的方法能有效提高网络的训练速度,获得满意的故障识别率.

摘要： 本发明涉及一种基于自组织映射与深度神经网络的图像变化检测方法，包括以下步骤：1、采用基于中值滤波处理的均值比算子MMEAN对两幅SAR时相图进行处理，生成差异图；2、采用自组织映射网络SOM对差异图进行无监督聚类，将差异图中的像素点分为无变化类、噪声类和变化类，获得初步变化图；3、采用自动降噪编码器构建深度神经网络DNN，使用噪声类像素点作为训练集对DNN网络进行训练，以使其能够识别噪声区域的特征；4、将变化类像素点输入训练好的DNN网络，判断并去除变化类像素点中残留的噪声类像素点，从而基于初步变化图得到最终变化图。该方法有利于降低合成孔径雷达图像变化检测的漏检率和虚假报警率。

摘要： 本发明提供了一种神经网络算法自组织映射监控渣土车消纳的方法和装置，所述方法包括：通过预设置于渣土车内的监控神经网络模型获取渣土车的停滞时间数据与当前位置数据；将所述停滞时间数据与当前位置数据作为输入，对应转换为向量数据，输入至神经网络算法的隐藏层，以进行依向量的权重处理，将形成的监控规则数据输出至监控神经网络模型；按照所述监控规则数据，若所述渣土车出现消纳违规情况，则进行数据突触调节，形成违规数据包；将所述违规数据包采用5G网络上传至云监控平台，并获取所述云监控平台的回锁指令；通过所述回锁指令将渣土车的货箱举升进行回锁，阻止货箱内渣土倒出；实现从事后处理与预防转换为即时的应急处理的效果。

摘要： 本发明公开一种基于自组织映射神经网络的电力线通信噪声识别方法及装置，该方法步骤包括：S1.从不同维度提取电力线通信中噪声数据特征，并基于自然进化策略进行特征选择，建立噪声特征库；S2.使用自组织映射神经网络对噪声特征库中数据进行自动聚类，得到噪声集群；S3.基于概率密度函数将每个噪声集群分别与预设的多种分布类型进行关联匹配，确定出每个聚类集群最为匹配的分布类型，实现噪声识别分类。本发明具有识别方法实现简单、识别效率与精度高、实时性好且普适性强等优点。

摘要： 本公开基于自组织映射神经网络的5G基站检测方法及系统，包括：根据基站经纬度确定基站在地图中的位置；根据基站检测的参考信号接收功率、参考信号接收质量和信号与干扰加噪声比三个指标确定所述基站在地图中的标注颜色，得到包含基站颜色属性的图像；利用方向梯度直方图提取图像特征，得到水平和竖直两个方向的特征数量；利用自组织映射神经网络对图像特征进行整合；根据聚类的结果，结合参考信号接收功率、参考信号接收质量和信号与干扰加噪声比指标确定所述基站的覆盖异常区域；提出了EDFSOM模型，用于信息的模糊分类问题，在保证不损失数据特征的前提下，选择采用方向梯度直方图(HOG)对图像提取特征，降低了特征的维度，节省了训练时间。

摘要： 本发明涉及一种基于自组织映射神经网络的壁画裂缝病害自动修复方法，包括以下步骤：采集数字化壁画裂缝图像，通过数学形态学对壁画裂缝病害进行标注；采用自组织映射神经网络算法对原始数据进行聚类，完成对图像数据的分层工作，然后对聚类后的分层数据进行修复。本发明充分考虑壁画裂缝本身线性结构特点，在裂缝自动标注过程中使用自适应阈值分割算法，实现目标像素与背景像素的分离，提升裂缝识别的精度；并且充分利用自组织映射神经网络算法的精准聚类特性，将各通道像素进行聚类分层，进而实现对分层图像的快速修复工作，使壁画图像更加清晰与自然，从而保持与原始壁画图像具有一定相似精度的整体视觉效果。

摘要： 本发明公开了一种基于有监督自组织映射神经网络的microRNA预测方法，包括以下步骤：抽取基于microRNA序列的特征，并使用RNAfold程序获取待测microRNA序列的二级结构碱基配对信息，结合基于一级序列的特征和基于二级结构的特征转换为向量化表示，得到最终用于计算预测手段的特征向量；接收输入层的特征数据，隐含层自组织映射学习输入数据的空间分布规律，并进行数据间的映射处理，在此过程中形成新的特征表示；步骤3：输出监督层使用生成的新的特征表示计算输出类别和相关误差，并反向传输误差更新网络权重；使用交叉验证方法，设定阈值，获取分类结果。本发明解决了传统生物学预测手段和已有机器学习预测方法中成本高、耗时长等缺陷。

摘要： 一种基于自组织映射神经网络的燃料系统故障的检测方法，通过从燃料系统的压力波形图中获取特征量经预处理后用于建立SOM网络，依次采用启发式算法优化网络结构，采用遗传算法优化网络参数；然后通过对SOM网络的神经元进行初始化并利用训练集对网络进行迭代训练；最后利用测试集进行故障检测识别。本发明能根据燃料系统的压力波形图提取特征量，在原始数据预处理后，通过确定网络结构和优化网络参数来建立对应的自组织映射神经网络模型，同时改善了网络参数初始化凭借经验选择的缺陷，善于应对燃气轮机故障诊断中出现的各类问题，对故障具有较高的识别度，具有重要的工程实用价值。

摘要： 本发明针对变异测试领域中变异体数量巨大，导致变异测试成本过高的问题，提出了一种基于自组织映射神经网络的变异体约简方法。首先根据弱变异转化法构建变异体对应的变异分支，将变异分支插入原程序中得到新程序，然后用测试用例集执行新程序得到弱变异测试下的变异体杀死矩阵，将变异体杀死矩阵作为变异体的特征数据，进一步获取变异体位置信息和变异体的变异算子类型信息生成变异体特征矩阵，再使用自组织映射神经网络聚类技术约简冗余变异体。本发明在保证测试有效性几乎不受影响的同时可以约简大量的冗余变异体，从而降低变异测试成本，提高软件测试效率。

摘要： 本发明公开一种基于自组织映射神经网络的线损分析方法，包括以下步骤：采集原始电网线路用电数据，所述原始电网线路用电数据包括若干条线路的用电数据；对所述原始电网线路用电数据进行预处理；基于预处理后的所述原始电网线路用电数据提取线路用电特征；基于所述线路用电特征，提取时间序列统计特征；对所述时间序列统计特征和预处理后的所述原始电网线路用电数据进行标准化处理，并进行整合，获得待分析总数据；构建线损分析模型，将所述待分析总数据输入所述线损分析模型，获取线损分析结果。本发明精准分析线损异常情况，极大提高线损管理水平，能够更准确、快速的定位问题线路，并及时采取有效措施，对窃漏电及异常用电具有很高的现实意义。

摘要： 本公开基于自组织映射神经网络的5G基站检测方法及系统，包括：根据基站经纬度确定基站在地图中的位置；根据基站检测的参考信号接收功率、参考信号接收质量和信号与干扰加噪声比三个指标确定所述基站在地图中的标注颜色，得到包含基站颜色属性的图像；利用方向梯度直方图提取图像特征，得到水平和竖直两个方向的特征数量；利用自组织映射神经网络对图像特征进行整合；根据聚类的结果，结合参考信号接收功率、参考信号接收质量和信号与干扰加噪声比指标确定所述基站的覆盖异常区域；提出了EDFSOM模型，用于信息的模糊分类问题，在保证不损失数据特征的前提下，选择采用方向梯度直方图(HOG)对图像提取特征，降低了特征的维度，节省了训练时间。