论文部分内容阅读
自组织映射（SOM）是一种人工神经网络方法，它通过将相似的输入数据映射到相同或相近结点，将高维输入数据显示在低维空间中，具有保留输入数据的拓扑结构的优点，便于用户观察数据的分布特点。数据分析是SOM的重要应用领域之一。本文分析了SOM的各种学习算法（包括序列学习、批学习、k-batch学习、将空间访问方法引入SOM等算法）的优缺点和适用情况，挖掘了不同的SOM输出维度、结点形状及输出大小，并分析了三种成熟的SOM工具（SOM Toolbox，Viscovery SOMine和Databionic ESOM