标签：Clustering Iris cm 分类 SOM 聚类 鸢尾花 net 神经元
问题定义
本示例用于说明一个自组织映射神经网络（self-organizing map neural network）如何通过拓扑角度将鸢尾花进行聚类。
每一个鸢尾花采用以下四个特征进行描述：【说明：具体特征含义不是很懂】
-
Sepal length in cm
-
Sepal width in cm
-
Petal length in cm
-
Petal width in cm
这是一个聚类问题，根据样本的相似性进行分组。
【说明：之前的几篇文章中的分类问题，待分类项在问题求解之初就已经明确，如螃蟹的公母（2种）、酒的分类（3种）、字母的分类（26种）、数字的分类（10种）。此问题的特点是待形成的分类无法提前知道。】
数据准备
x = iris_dataset;数据集维度如下所示，x中共包含150组数据，每一组数据为前述的四组特征。
size(x)ans =
4 150
采用神经网络进行聚类
selforgmap函数是专门设计的用于自组织分类的函数，通过选择足够多的神经元，可以捕获足够多的细节。
采用8×8的六方网格神经元进行聚类。
net = selforgmap([8 8]);
view(net)网络如下图所示：
训练过程如下：
[net,tr] = train(net,x);
nntraintool得到如下结果：
迭代终止条件为达到了设定的最大迭代次数。
SOM Topology：SOM拓扑
显示了神经网络的拓扑结构。每一个神经元作为一个分类，邻接的神经元表明是相似的分类。
SOM Neighbor Connections:SOM邻接关系
SOM Neighbor Distances:SOM邻接距离
在欧氏距离范数上显示神经元与邻接神经元的距离。颜色越明亮，则说明距离越近。颜色越深，说明距离越远。
SOM Input Planes:SOM 输入平面
SOM Sample Hits:SOM 采样命中
展示了每类花的个数。
SOM Weight Positions:SOM 权重距离
标签：Clustering,Iris,cm,分类,SOM,聚类,鸢尾花,net,神经元 来源： https://blog.csdn.net/bear_miao/article/details/121317561
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。