第7-1SOM算法实例

聚类分析介绍-以SOM为例使用工具:MATLABSOMandK-meansexample2SOM操作步骤数据的预处理Matlab操作SOMandK-meansexample3数据的预处理输入的数据如文字文件所示(本例为X，Y坐标值)SOMandK-meansexample4Matlab操作—输入数据输入所需数据:100个数据点(坐标值)SOMandK-meansexample5Matlab操作—输入数据于c101.txt所在位置,将其输入SOMandK-meansexample6Matlab操作—输入数据选择“Next”SOMandK-meansexample7Matlab操作—输入数据选择“Finish”SOMandK-meansexample8Matlab操作—输入数据将输入数据由直列转横列c101’(c101为文件名称)SOMandK-meansexample9Matlab操作—使用神经网络建模工具转置后得到ans文档命令窗口键入“nntool”调用神经网络模块SOMandK-meansexample10Matlab操作—使用神经网络建模工具选择“Import”,将数据ans输入SOMandK-meansexample11Matlab操作—使用神经网络建模工具将ans设为Input类型SOMandK-meansexample12Matlab操作—使用神经网络建模工具待所需数据输入后,即可选择“NewNetwork”,以构造神经网络模块输入的数据SOMandK-meansexample13Matlab操作—使用神经网络建模工具选择神经网络为SOMSOMandK-meansexample14Matlab操作—使用神经网络建模工具设定网络的输入数据SOMandK-meansexample15Matlab操作—使用神经网络建模工具设定map的权重数目[52]即为10群SOMandK-meansexample16Matlab操作—使用神经网络建模工具设定学习速率和邻近半径值SOMandK-meansexample17Matlab操作—使用神经网络建模工具得到设定好的网络设定网络所需的相关架构参数后,接着选择“Train..”,将TrainPattern输入,以便网络进行学习仿真SOMandK-meansexample18Matlab操作—使用神经网络建模工具选择Clustering所需的inputpatternSOMandK-meansexample19Matlab操作—使用神经网络建模工具设定欲学习次数待设定完各相关参数后,即可选择“TrainNetwork”进行网络的TrainingSOMandK-meansexample20Matlab操作—使用神经网络建模工具练训完后得到网络输出结果按“Export”将结果输出SOMandK-meansexample21Matlab操作—使用神经网络建模工具将网络和输出结果Export确定后,选择“Export”Matlab操作—呼叫類神經網路建構工具(續)在命令列输入plotsom(network1.iw{1,1},network1.layers{1}.distances)(输入绘图指令将群聚中心点标示出来)holdon(保留图中的群聚中心点)plot(ans(1,:),ans(2,:),‘^b’)(输入绘图指令将数据点标示出来)SOMandK-meansexample23Matlab操作—使用神经网络建模工具按鼠标左键二下,观看其聚类结果(8,1)代表数据点1分在第8群