排序方式: 共有35条查询结果,搜索用时 46 毫秒
1.
高新技术产业开发区空间集聚分类的SOM模型及应用 总被引:1,自引:0,他引:1
吴玉鸣 《科学学与科学技术管理》2006,27(2):98-102
高新技术产业开发区在我国区域经济创新体系中具有核心地位,其空间分布及集聚模式对区域经济空间规划与布局决策支持具有重要作用.从空间集聚分类的角度,实证研究了我国国家级高新技术产业开发区的空间分布格局及集聚模式,提出了在高新区的空间集聚分类研究中应用基于自组织特征映射的神经网络SOM模型. 相似文献
2.
水稻土SOM含量高光谱模型的母质差异性研究 总被引:3,自引:0,他引:3
以青紫泥(BlueclayeyPaddysoil,BP)和红黄泥(RedPaddysoil,RP)为例,研究发育于不同成土母质的水稻土SOM含量高光谱模型的差异性.结果表明,发育于河湖沉积物的BP与发育于第四纪红色粘土母质的RP,因为土壤中所含粘土矿物的不同,加上有机质组份的差异,其SOM含量高光谱模型具有母质的独特性.无论以反射系数为自变量或是以反射系数一阶微分为自变量,BP与RP的SOM含量高光谱模型在模型所包含波段的个数和位置都有较大的差异. 相似文献
3.
作为重要的社会化媒体,微博凭借其社会性、媒体性、广泛参与性和快速传播4大特性已成为网络舆论的主要载体。针对品牌丑闻事件在微博上的传播进行研究,选取了29个近年来在微博上有明显传播特征的品牌丑闻事件作样本,以两小时为间隔搜集事件爆出后的一周时间内的微博博文数量,记录丑闻事件传播动态变化,并运用神经网络SOM模型方法对博文的数量变化进行聚类,得到微博上品牌丑闻事件传播的五种类型:对数型、缓坡型、突变型、长坡型及堤坝型,并在Matlab软件中用指数拟合的方法对数据做预测分析。企业了解丑闻事件在微博上的不同传播类型及各自的特点,对于其在快速预测和有效应对丑闻事件以及品牌危机时,具有很好的参考和借鉴价值。 相似文献
4.
采用10m×10m高密度网格设计,在面积为10.24hm2的农田内取土壤样本1024个,测定土壤有机质(SOM)含量,通过"再采样"方法,研究改变取样幅度和取样间距对表征土壤有机质变异特征的变异系数和半方差函数参数的影响,分析获得土壤有机质空间变异特征的尺度效应.研究结果表明,10.24hm2取样区内,土壤有机质空间分布表现为弱变异性,CV≤3.43%,但整体含量偏低,SOM≤1.04%;随着采样幅度增加,土壤有机质变异性不同程度增加,变异相关范围和结构性变异比例也不断增大;当采样间距增大时,土壤有机质变异性呈无规律变化,但变异相关范围显著增大,而结构性变异比例呈下降趋势. 相似文献
5.
在数据装入数据仓库之前,应该对数据进行数据清洗.而数据清洗的核心工作就是清洗近似重复记录.聚类是将相似度高的数据对象聚集到一个类中,于是我们提出将该技术用于近似重复记录的发现上.本文主要介绍如何将SOM网络聚类强大的学习功能及良好的自组织性、自适应性和鲁棒性应用到数据清洗中。 相似文献
6.
基于改进KNN的文本分类方法 总被引:8,自引:0,他引:8
本文针对VSM (向量空间模型)中KNN (K最近邻算法)在文本处理环境下的不足,根据SOM (自组织映射神经网络)理论、特征选取和模式聚合理论,提出了一种改进的KNN文本分类方法。应用特征选取和模式聚合理论以降低特征空间维数。传统的VSM模型各维相同的权重并不适应于文本处理的环境,本文提出应用SOM神经网络进行VSM模型各维权重的计算。结合两种改进,有效地降低了向量空间的维数,提高了文本分类的精度和速度。 相似文献
7.
针对当传染病发生时医药物资的配送对于应急需求响应至关重要这一特点,以在一定区域内发生传染病疫情为研究背景,根据传染病扩散规律和疫区紧急救助程度的不同,研究了具有多个疫区和多个应急配送中心的疫苗配送最优方案.引入具有脉冲接种的SIQR模型来描述传染病的扩散规律和获得各区域疫苗需求量,在SIQR模型的基础上,利用SOM神经网络将各疫区进行聚类并量化结果.以实现运输成本和缺货量最小为目标,在聚类的基础上建立了动态的疫苗配送模型.以20个受感染区域和4个分布中心为例,给出了算例和仿真分析,结果表明所提出的方法有助于控制具有较高紧急等级区域的疫情,且与不使用聚类方法进行疫苗配送相比,利用聚类方法能更好地控制疫情扩散. 相似文献
8.
9.
随着数字图书馆技术的发展,图书馆每天产生大量的数据,针对这些海量数据,采用数据挖掘技术中的自组织映射神经网络(SOM)算法,根据读者借阅行为特征对读者进行聚类,得到不同阅读兴趣和需求的读者群,并通过测试验证该算法是有效可行的。 相似文献
10.
一种基于SOM的中文Web文档层次聚类方法 总被引:10,自引:0,他引:10
近年来Internet迅猛发展 ,网上的信息急剧膨胀 ,如何高效、高质量地检索到用户所感兴趣的中文信息资源 ,是当前我国Internet资源发现的热点问题之一。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文档的检索质量 相似文献