基于MATLAB的自組織特征映射網(wǎng)絡的實際應用

王家偉，周浩瑜，同 慶，田宏杰，賈花萍

（渭南師范學院 數(shù)學與信息科學學院，陜西 渭南 714000）

在高校獎學金的評定過程中，學生的各門考試成績是很重要的一個指標，德育約占總評成績的70%。如何很好地解決獎學金評定中的公平性、公正性便成為了一個很實際的問題。為此引用自組織特征映射網(wǎng)絡對學生獎學金的評定方法做進一步的改善，這是因為SOM網(wǎng)絡具有自主學習的優(yōu)點，在各個神經(jīng)元的競爭中將訓練樣本劃分為不同的類別，這種劃分反映了樣本集的根本區(qū)別[1]。將基于MATLAB的自組織特征映射網(wǎng)絡應用于學生獎學金的評定中，設計出合適的網(wǎng)絡結構，最終將數(shù)據(jù)分類并劃分等級。SOM1神經(jīng)網(wǎng)絡與其他類型神經(jīng)網(wǎng)絡的區(qū)別在于：它不是以一個神經(jīng)元或網(wǎng)絡的狀態(tài)矢量反映分類結果的，而是以若干神經(jīng)元同時（并行）反映分類結果[2]。

1 自組織特征映射神經(jīng)網(wǎng)絡

自組織特征映射 （Self Organizing Feature Map， 也稱Kohonen映射）神經(jīng)網(wǎng)絡 （簡稱SOM神經(jīng)網(wǎng)絡），是由Kohonen教授提出的對神經(jīng)網(wǎng)絡的數(shù)值模擬方法[3]。該網(wǎng)絡是由一個全連接的神經(jīng)元陣列組成的無教師自組織、自學習網(wǎng)絡[4]。 SOM網(wǎng)絡能對輸入模式自動分類，即在無教師示教的情況下，通過輸入模式的自組織學習，在競爭層將分類結果表示出來。SOM神經(jīng)網(wǎng)絡在對外部信息輸入形成拓撲映射結構的過程中，具有和人腦信息映射相類似的兩個特點：其一，拓撲映射結構不是通過神經(jīng)元的移動重新組織實現(xiàn)的，而是由各個神經(jīng)元在不同興奮狀態(tài)下構成一個整體所形成的拓撲結構；其二，這種拓撲映射結構的形成具有自織特點。因此，和反向傳播網(wǎng)絡（BP網(wǎng)絡）等一類有監(jiān)督學習的方法相比較，SOM神經(jīng)網(wǎng)絡算法更接近于人腦的認知過程[5]。

2 實驗數(shù)據(jù)與方法

2.1 SOM網(wǎng)絡的MATLAB設計

MATALB是一個功能強大的軟件包，它提供了一個開放式的集成環(huán)境，為研究人員使用MATLAB提供了捷徑。應用MATLAB工具箱提供的自組織競爭神經(jīng)網(wǎng)絡函數(shù)，可以輕松解決聚類問題。首先為了消除各個因子由于量綱和單位不同的影響，將原始數(shù)據(jù)進行歸一化處理，利用函數(shù)newsom創(chuàng)建一個SOM網(wǎng)絡，利用訓練函數(shù)train和仿真函數(shù)sim對網(wǎng)絡進行訓練并仿真，來檢驗網(wǎng)絡的性能；使用vec2ind函數(shù)對訓練結果y轉換成串行數(shù)據(jù)[6-7]。

2.2 應用實例

選取某校某年13名學生的8門課成績作為實驗基本數(shù)據(jù)。對數(shù)據(jù)進行歸一化，數(shù)據(jù)處理區(qū)間為[0，1]。這里采用如下公式進行歸一化處理：

歸一化后的結果如表1所示。

表1 歸一化后的數(shù)據(jù)Tab.1 Normalized data

3 實驗過程及結果

網(wǎng)絡輸入向量元素為13個，范圍都在[0，1]之間，p為網(wǎng)絡的輸入向量，即歸一化后的數(shù)據(jù)。MATLAB程序為：

首先利用函數(shù)newsom創(chuàng)建一個SOM網(wǎng)絡，將網(wǎng)絡的競爭層設計為一個10*10的結構。

最終在MATLAB7中得出結果yc_1010。

當訓練步數(shù)為10時，將SOM網(wǎng)絡分類結果統(tǒng)計并算各自的平均值，如表2所示。

如表2所示，分類后獲得一等獎學金的同學是2，二等獎學金的同學是 1、4、5、9，獲得三等獎學金的同學是 3、6。 由此可見，經(jīng)過SOM網(wǎng)絡分類后的結果是令人滿意的。

表2 分類后的結果及平均成績Tab.2 Results of classification and grade point average

4 結 論

將基于MATLAB的自組織特征映射網(wǎng)絡應用于獎學金的評定工作中，成功地對學生的獎學金進行了分類并作出了等級比較，評比出了一、二、三等獎學金，很好地改善了獎學金評定中的公正、公平問題，將SOM神經(jīng)網(wǎng)絡應用于獎學金的評定工作中，隨著訓練步數(shù)的增加，對學生的成績情況分類也更為詳細。這對于獎學金的最終評定結果有一定的參考價值，SOM神經(jīng)網(wǎng)絡在此基礎上將會得到更加廣泛的應用。

[1]何術.SOM神經(jīng)網(wǎng)絡在樹葉形狀分類中的應用 [D].株洲：中南林學院，2003.

[2]朱大奇，史慧.人工神經(jīng)網(wǎng)絡原理及應用[M].北京：科學出版社，2006.

[3]尹春華，王祖?zhèn)ィt生.基于SOM神經(jīng)網(wǎng)絡的人力資本聚類分析[J].遼東學院學報，2006（1）:1-5.YIN Chun-hua，WANG Zu-wei，YING Hong-sheng.Human capital based on SOM neural network clustering analysis[J].Journal of Eastern Liaoning University，2006（1）:1-5.

[4]飛思科技研發(fā)中心.神經(jīng)網(wǎng)絡理論與MATLAB7實現(xiàn)[M].北京：電子工業(yè)出版社，2005.

[5]LeeCoS.基于SOM神經(jīng)網(wǎng)絡的圖分割方法 [EB/OL].[2012-11-12].http://www.cnblogs.com/statestreet/archive/2012/04/01/2429180.html.

[6]劉鑫，遲道才，吳萍.基于MATLAB的SOM網(wǎng)絡的干旱聚類分析[J].沈陽農業(yè)大學學報，2008，39（1）:61-64.LIU Xin，CHI Dao-cai，WU Ping.MATLAB based on the SOM network in clustering analysis[J].Journal of Shenyang Agricultural Uinversity，2008，39（1）:61-64.

[7]高慧穎，聶超，朱國祥.集成Matlab在智能決策支持系統(tǒng)中的應用研究[J].現(xiàn)代電子技術，2010（2）：70-72.GAO Hui-ying，NIE Chao，ZHU Guo-xiang.Study on Intelligence decision support system by matlab integration[J].Modern Electronics Technique，2010（2）：70-72.