예제 데이터가 N 개의 클러스터 (각 클러스터는 센트로 드로 벡터를 가짐)에 클러스터 된 후에 K-Means에서 알 수 있듯이 모든 데이터가 속한 클러스터에 클러스터되지는 않습니다! 일부 데이터 벡터가 잘못된 클러스터에 클러스터 될 수 있습니다. 이것은 K-Means에서도 클러스터링하는 동안 100 %의 정밀도가 없음을 의미합니다. 나는 SOM 알고리즘에서
matlab에 SOM을 구현하고 있습니다. 학습 속도의 감쇠에 대해서는 updated_learningrate = original_learningrate * EXP (-t/T1) 및 updated_sigma = original_sigma의 * 특급 (-t/T2) T1 및 T2에 대해 제공되는 값은 무엇입니까? 필자가 언급 한 모든 텍스트 북 및 웹 튜토리얼에
stackoverflow에는 이것과 관련된 질문이 하나 뿐이며, 어느 것이 더 나은지에 대한 질문이 더 많습니다. 나는 그 차이를 정말로 이해하지 못한다. 나는 둘 다 무작위로 클러스터에 할당 된 벡터로 작업한다는 것을 의미합니다. 우승의 출력 노드를 결정하기 위해 서로 다른 클러스터의 중심과 함께 작동합니다. 내말은, 그 차이가 정확히 어디에 있는거야?
누구나 가능한지, 5 개의 다른 매개 변수 (인구, 벌레, 지역, 학교, 병원)의 60 개 도시를 설명하는 매트릭스 60 x 5에서 신경망을 만드는 방법을 알려줄 수 있습니까? 최종 결과는 다음과 같이 표시해야합니다. 유사한 (도시) 노드를 그룹으로 분류해야합니다. 수집 된 데이터의 다양성과 유사성을보고 싶습니다. 도움이나 제안을 환영합니다. 감사의 말
솜 도구 상자와 관련된 도움이 필요합니다. 여기에 질문이 있습니다. "우리는 100 개의 입력 레코드 (2 개의 클래스에 속함)를 가지고 있는데, SOMToolbox 출력에서 35라는 특정 입력이 클래스 1 또는 클래스 2로 클러스터되었는지 여부를 어떻게 알 수 있습니까? 아니면 u- 매트릭스에서 완성 할 수 있습니까? 파일, 우리는 마지막으로 SOM
문자로 스캔 한 이미지를 찍은 다음 문자를 자르고 매트릭스에 저장했습니다. X={};
Y={};
for cnt = 1:50
rectangle('position',box(:,cnt),'edgecolor','r');
X{cnt}=imcrop(I, box(:,cnt));
Y{cnt}=im2bw(X{cnt});
end
여기 상자
저는 Matlab을 완전히 처음 접했고 약간의 도움이 필요합니다. 신경망 도구 상자로 자체 구성지도를 실행하고 있습니다. 그것은 모두가 잘 작동 , 나는 net = selforgmap([x y]);
net = train(net,mydata);
를 사용하고 난 좋은 플롯에 액세스 할 수 있습니다. 그러나 나는 som에 의해 생성 된 실제 숫자에 관심이
C++ 라이브러리 또는 라이브러리 조합을 찾고 있습니다. 아이디어는 로봇이 돌아 다니며 가장 가깝다는 거리 만 알 수 있다는 것입니다. 문제는 모든 노드의 상대 (x, y) 위치를 찾는 것입니다. 내 솔루션은 다음 거리에서 삼각형 (그것을위한 라이브러리가있다)를 구축하는 삼각형에서지도를 만드는 것 (라이브러리?)
Kohonen 자체 구성지도를 사용하여 숫자 데이터를 클러스터링 할 수있는 프로그램을 만들고 있으며 최대한 일반화하려고합니다. 그래서 데이터 집합의 항목 수 (출력 노드 수)에 비례하여 이웃의 적절한 초기 크기를 어떻게 알 수 있습니까? 제안 사항도 크게 환영합니다. :)
는 I는 다음과 같은 형식 CO_1 0 0 0 0 1 CO_2 0 0 0 0 1 이 데이터 파일에는 450 만 명 엔트리와 공간 분리 된 데이터 파일을 가지고 이 파일 100 번을 반복하는 알고리즘 인 Self-Organizing Map (SOM)에 대한 입력으로 사용됩니다. 다음 readFile 함수를 사용하여 파일을 임시 문자열로 완전히 복사하고 문자열