MATLAB: Kendinden Düzenlenen Haritalar (SOM) kümeleme

Question

Ben vücut parçaları arasındaki açılar bağlı olarak bazı görüntüleri küme çalışıyorum ile gerekli yardımcı olur. Her bir görüntü elde

özellikleri şunlardır:

angle1 : torso - torso 
angle2 : torso - upper left arm 
.. 
angle10: torso - lower right foot 

Bu nedenle, giriş veri boyutu 1057x10 bir matris, burada görüntü sayısı 1057 standları, ve gövde ile vücut parçalarının açılar için 10 standları. Benzer şekilde bir testSet 821x10 matrisidir.

ben veri girişi tüm satırlar 88 kümeleri ile kümelenmiş olmak istiyorum. Sonra hangi kümelerin TestData'nın içine düştüğünü bulmak için bu kümeleri kullanacağım?

bir önceki çalışmada, çok basittir K-Means clustering kullandı. K-Means'den verileri 88 kümeye ayırmasını istiyoruz. Ve test verilerindeki her satır ile her bir kümenin merkezleri arasındaki mesafeyi hesaplayan başka bir yöntemi uygulayın, ardından en küçük değerleri seçin. Bu, karşılık gelen girdi veri sırasının kümelenmesidir.

iki soru var:

(1) o MATLAB'de bu kullanarak SOM yapmak mümkün mü? AFAIK SOM'lar görsel kümeleme içindir. Fakat her bir kümenin gerçek sınıfını bilmem gerekiyor ki, daha sonra hangi veri kümesinin ait olduğunu hesaplayarak test verilerimi etiketleyebilirim.

(2) Eğer daha iyi bir çözüm var mı?

Answer 1

Self-Organizing Map (SOM)Artificial Neural Network (ANN) denetimsizleştirilmiş varyasyonu olarak kabul edilen bir kümeleme yöntemidir. O (belirli bir veriye en güçlü aktivasyonunu gösterilecek düğümler kendi aralarında rekabet) ağını eğitmek için rekabetçi öğrenme teknikleri kullanır

enterkonnekte düğümlerin ızgaralardan oluşmuştur sanki SOM düşünebilirsiniz

(kare şekli, altıgen, ..), burada her düğüm bir N-dim ağırlıkları vektörüdür (kümelemek istediğimiz veri noktalarıyla aynı boyut boyutu).

Fikir basittir; SOM giriş olarak bir vektör verilen biz onlar girdi vektörü (adından öz örgütlenme) bu yaklaşım, böylece daha sonra ağırlıkları ve komşu düğümlerin ağırlıkları güncellemek, buna düğüm dolap bulabilirsiniz. Bu işlem tüm giriş verileri için tekrarlanır. oluşan

kümeleri dolaylı düğümlerin kendilerini düzenlemek ve benzer ağırlıklara sahip düğümler grubu oluşturur nasıl ile tanımlanır. Görsel olarak kolayca görülebilirler.

SOM yerine biz bunu istiyoruz ızgara düğüm sayısını ve şeklini belirlemek, biz küme sabit sayıda empoze yok ki K-Means algorithm benzeyen fakat farklı bir şekilde vardır Verilerimize uyarlayın.Eğitimli SOM varsa ve yeni bir test girdi vektörü sınıflandırmak istediğinizde

Temelde, sadece, ızgarada düğüm en yakın (bir benzerlik ölçüsü olarak mesafeye) (İyi Eşleştirme Birimi BMU) atamak ve bu BMU düğümüne ait olan vektörlerin [çoğunluk] sınıfını tahmin eder. MathWorks'un gelen

• Neural Network Toolboxclustering using SOM için used olabilir (nctool kümeleme aracını bakınız):

  

  MATLAB için, SOM uygulamak bir dizi araç kutusu bulabilirsiniz. Tam olarak 88 kümeleri istiyorsun Neden incelemeye değer Ayrıca

• SOM Toolbox