Main Content

本页对应的英文页面已更新,但尚未翻译。 若要查看最新内容,请点击此处访问英文页面。

自组织映射

确定样本聚类的原型向量、样本分布以及聚类之间的相似性关系

App

神经网络聚类Cluster data by training a self-organizing maps network

函数

nnstartNeural network getting started GUI
viewView shallow neural network
selforgmapSelf-organizing map
trainTrain shallow neural network
plotsomhitsPlot self-organizing map sample hits
plotsomncPlot self-organizing map neighbor connections
plotsomndPlot self-organizing map neighbor distances
plotsomplanesPlot self-organizing map weight planes
plotsomposPlot self-organizing map weight positions
plotsomtopPlot self-organizing map topology
genFunctionGenerate MATLAB function for simulating shallow neural network

示例和操作指南

使用自组织映射对数据进行聚类

使用 Neural Network Clustering 或命令行函数按相似性对数据进行分组。

Deploy Shallow Neural Network Functions

Simulate and deploy trained shallow neural networks using MATLAB® tools.

Deploy Training of Shallow Neural Networks

Learn how to deploy training of shallow neural networks.

鸢尾花聚类

此示例说明自组织映射神经网络如何以拓扑方式将鸢尾花聚类为各个类,提供对花类型的深入了解以及用于进一步分析的实用工具。

基因表达分析

此示例说明如何使用神经网络寻找面包酵母的基因表达谱模式。

一维自组织映射

二维层中的神经元可学习表示输入向量在输入空间出现的不同区域。此外,邻近的神经元可学习对相似的输入进行响应,从而该层可学习所呈现的输入空间的拓扑。

二维自组织映射

如同一维问题一样,这种自组织映射将学习表示输入向量在输入空间中出现的不同区域。然而,在此示例中,神经元会形成二维网格,而不是一条线。

概念

自组织映射神经网络的聚类

使用自组织特征映射 (SOFM) 根据输入向量在输入空间中的分组方式对输入向量进行分类。