SOM维度映射 |
  
|
SOM维度映射 |
|
地球化学 > SOM维度映射
SOM维度映射
SOM自组织映射(Self Organizing Map) 是通过神经元间的竞争学习将相似的数据映射到相邻位置并保持拓扑结构不变的一种方法。 由于这种聚类过程是数据的全部维度映射，所以SOM本身具有多维数据融合的属性。 通过对输入模式的反复学习，使权重向量空间能反映输入模式的统计特征。该方法可以被应用于高维度数据分析，如水质数据分析，其分析效果直观、结果较好。
EnviFusion支持对散点数据、网格数据、附加数据、表格数据等进行SOM维度映射。由于神经网络需要尽可能多的样本进行训练，所以系统将首先遍历所有时间步，并将所有样本数据收集在一起，然后进行训练。
输入数据：请指定输入数据类型。包括散点数据、网格数据、附加数据、表格数据等。
属性数列：请选择参与计算的属性数列。
合并维度： 若选中，系统将生成一套神经元网格，并将神经元对全部维度的响应写入网格数据；若不选中，系统将针对每个维度各自生成一套神经元网格。
标准化：若选中，系统将输出标准化后的神经网络响应值；否则系统将输出原始响应值。
迭代次数：请指定神经网络训练的迭代次数，如不设置或设置为0，系统将默认使用20步。
神经网络行数：请指定神经网络的行数，如不指定，系统将自动计算。
神经网络列数：请指定神经网络的列数，如不指定，系统将自动计算。
如上图所示，维度映射后的结果将出现在输出图层中。针对每一个用户选中的维度，系统将生成一张神经网络响应图，神经网络对每一个维度的响应模式不同。根据这些响应模式的形态，用户可以分析各维度之间的关联。