參數(shù)適應(yīng)自組織映射網(wǎng)絡(luò)的研究與應(yīng)用.pdf

1、算法的參數(shù)自適應(yīng)是數(shù)據(jù)挖掘領(lǐng)域一個(gè)重要的研究課題，它的目標(biāo)是使算法參數(shù)能夠進(jìn)行自動(dòng)調(diào)整，從而消除用戶在算法參數(shù)設(shè)置經(jīng)驗(yàn)方面的不足及差異，使用戶能夠方便地使用算法并得到理想的運(yùn)行效果。本文對(duì)比了已有的參數(shù)自適應(yīng)方法，引入學(xué)習(xí)的思想來(lái)實(shí)現(xiàn)參數(shù)自適應(yīng)，并基于這種方法對(duì)自組織映射網(wǎng)絡(luò)SOM進(jìn)行改進(jìn)，提出一種具有參數(shù)適應(yīng)能力的SOM版本，即參數(shù)適應(yīng)自組織映射網(wǎng)絡(luò)(PASOM)。PASOM算法除了能夠?qū)εc模型結(jié)構(gòu)相關(guān)的參數(shù)進(jìn)行自適應(yīng)之外，還能對(duì)非結(jié)

2、構(gòu)相關(guān)的參數(shù)進(jìn)行學(xué)習(xí)和自適應(yīng)，這是其優(yōu)于動(dòng)態(tài)模型方法的地方。另一方面，PASOM中的參數(shù)學(xué)習(xí)思想類似于一種算法框架，它與目標(biāo)算法SOM之間具有較強(qiáng)的獨(dú)立性，因此容易被擴(kuò)展到其它目標(biāo)算法之上，賦予其參數(shù)自適應(yīng)的能力。
　　 PASOM的算法過(guò)程包括前期準(zhǔn)備和算法應(yīng)用兩個(gè)階段。前期準(zhǔn)備階段的主要任務(wù)是確定經(jīng)驗(yàn)實(shí)例的模式，即其數(shù)據(jù)結(jié)構(gòu)。這部分工作是參數(shù)學(xué)習(xí)的基礎(chǔ)，而且只需要進(jìn)行一次。而算法應(yīng)用階段則包括了經(jīng)驗(yàn)學(xué)習(xí)模型訓(xùn)練、參數(shù)學(xué)習(xí)與預(yù)

3、測(cè)以及底層SOM調(diào)用等過(guò)程，它是PASOM參數(shù)自適應(yīng)能力和數(shù)據(jù)挖掘功能的體現(xiàn)。
　　 在模型結(jié)構(gòu)方面，本文提出了PASOM的雙層網(wǎng)絡(luò)結(jié)構(gòu)，它由經(jīng)驗(yàn)學(xué)習(xí)模型和底層SOM網(wǎng)絡(luò)兩個(gè)主要部分構(gòu)成。經(jīng)驗(yàn)學(xué)習(xí)模型為SOM提供參數(shù)學(xué)習(xí)與預(yù)測(cè)的能力，是PASOM參數(shù)自適應(yīng)能力的來(lái)源；而底層的SOM則為PASOM提供數(shù)據(jù)挖掘的能力，滿足用戶的數(shù)據(jù)分析需求。
　　 其次，通過(guò)對(duì)比傳統(tǒng)的學(xué)習(xí)問(wèn)題，論述了參數(shù)學(xué)習(xí)問(wèn)題的特點(diǎn)，并針對(duì)其特點(diǎn)提出一種

4、基于自組織映射網(wǎng)絡(luò)的經(jīng)驗(yàn)學(xué)習(xí)模型，它的輸入是一組數(shù)據(jù)特征描述因子，而輸出是底層SOM的參數(shù)方案。經(jīng)驗(yàn)學(xué)習(xí)模型利用了映射網(wǎng)絡(luò)的拓?fù)溆行蛐宰鳛樗饕焖僬业脚c當(dāng)前輸入相近的經(jīng)驗(yàn)實(shí)例的集合，根據(jù)其中各實(shí)例的經(jīng)驗(yàn)效果判斷其對(duì)當(dāng)前系統(tǒng)決策的影響作用的大小，從而由這些經(jīng)驗(yàn)實(shí)例共同合作并預(yù)測(cè)出合理的參數(shù)方案。
　　 然后，本文設(shè)計(jì)了豐富的實(shí)驗(yàn)，完成了SOM的穩(wěn)定性、效果評(píng)價(jià)函數(shù)的合理性以及環(huán)境描述因子有效性等方面的驗(yàn)證工作；并且還為PASOM