搜索资源列表
BP-and-SOM
- BP（Back Propagation）网络是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。 BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。 它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input）、隐层(hide layer)和输出层(output layer)。 通过对信息的提取以及
som
- 自组织映射的基本代码，可用于分类，聚类，异常检测等-This self-organizing map is basic code,which can ba used for classification,clustering,anomaly detaction,etc.
som_visualization_r
- som算法实现聚类，并将结果进行可视化展现(Visualization of SOM algorithm)
程序
- SOM-SVM模型是利用SOM的聚类特点，将含有相同特征的输入样本聚集在一起，并把离聚类中心较远的输入样本舍去。经过20%的样本压缩后，将含有代表性的小样本再送入SVM进行训练。本文的样本集通过实验平台采集，验证了基于支持向量机的频谱感知方法在实际数据测试条件下也能取得很好的感知性能。仿真结果表明，SOM-SVM模型在低信噪比下，频谱检测率接近100%，检测错误率也得到了很好的改善。(The SOM-SVM model is based on clustering characteristics
SOMPY-master
- som自组织神经网络聚类算法的python实现(Implementation of SOM clustering algorithm based on Python)
SOM
- 自组织竞争神经网络，可以对数据进行无监督学习聚类，本质上是一种只有输入层--隐藏层的神经网络(The self-organized competitive neural network can carry out unsupervised learning clustering of data, which is essentially a neural network with only the input layer hidden layer.)