自组织映射网络及其在化学化工领域中的应用进展

讨论了自组织映射网络（Self-organizing map,SOM）的发展与应用进展情况。首先介绍了自组织映射网络的产生、发展概况,网络的原理、基本结构和算法,网络的应用现状以及最新的研究进展情况。基本的自组织映射算法在实际应用中存在着一定的缺陷,对此着重介绍了近年来自组织映射网络的各种改进方案,以及目前在化学化工领域中的应用情况。最后提出了自组织映射网络研究中仍然存在的问题,并对其在化学化工领域中的应用发展前景做了展望。     

PSO-SOM分类判别研究及其应用

针对网络初始权矢量选取的不确定性问题,提出了粒子群优化-自组织映射(PSO-SOM)算法,利用PSO算法优化SOM网络的初始权矢量,进而进行分类.将提出的方法用于基因表达数据的分类判别中,使得SOM网络的误差平方和大大下降,提高了网络的分类精度,表明PSO-SOM算法用于数据的分类判别是切实有效的.     

基于SOM的高维化工过程数据粗差判别

针对石油化工生产过程样本数据呈高维的特征.提出了基于自组织映射(Self-Organizing Map,SOM)网络的粗差判别方法.并实际应用于初馏塔生产过程.首先应用SOM网络对初馏塔生产过程数据进行保留拓扑结构的降维映射,然后通过对其映射平面神经元间距离的可视化分析,实现数据粗差判别.研究结果表明用SOM网络来发现高维复杂生产过程数据中的粗差具有很好的可视化效果及应用前景.