1) GA-SOFM
遗传自组织特征映射
2) SOM
自组织特征映射
1.
Results showed that air quality has been deteriorated gradually from 1997 to 2005,which was in accordance with the results of SOM.
在此基础上使用自组织特征映射验证了主成分分析的结果正确,最后给出了相关结论。
2.
In the paper, we introduce SOM (Self\|Organizing Map, one of clustering method in neural network) to Chinese Web search engine.
本文将神经网络聚类方法之一SOM(Self OrganizingMap ,自组织特征映射 )的思想和方法引入中文Web搜索引擎 ,首先探讨了其网络模型和算法 ,而后提出一种聚类用户所感兴趣的中文Web文档的层次聚类方法 ,从而提高中文Web文档的检索质
3.
In this article we put forward an improved VQ methode using SOM (self-organized map) for the original image compression.
本文提出了一种改进矢量量化进行SOM(自组织特征映射)原始图像压缩的方法,该方法基于小波变换,并对小波变换所得的参数(子块)使用SOM算法对其进行矢量量化,并根据不同的子块采用不同的量化方式。
3) self-organizing feature map
自组织特征映射
1.
The application of self-organizing feature map neural network to logging lithological identification;
自组织特征映射神经网络在测井岩性识别中的应用
2.
Application and Analysis of Self-Organizing Feature Map;
自组织特征映射网络的分析与应用
3.
Approach of clustering based on self-organizing feature map;
一种基于自组织特征映射网络的聚类方法
4) self-organizing feature maps
自组织特征映射
1.
To improve the performance of block matching algorithm in motion estimation and motion complement(ME+MC),a motion pattern recognition(MPR) algorithm based on self-organizing feature maps(SOM) is proposed and tested in object-based conference video coding.
针对块匹配运动估计补偿(ME+MC)算法的不足,提出了一种基于自组织特征映射(SOM)的运动模式识别(MPR)算法,应用于会议电视的视频对象编码。
2.
To overcome disadvantages of existing initial codebook algorithms,a new separating mean algorithm for learning vector quantization(LVQ)based upon self-organizing feature maps(SOM) was proposed.
针对原有随机数设置法、训练矢量集随机抽取法和LBG分裂法等初始码书算法存在码矢利用率较低、运算量大和与信源匹配程度不高等不足,提出了一种新的分离平均法,并应用到基于自组织特征映射算法(SOM)的学习矢量量化(LVQ)中。
3.
To improve performance of codebook and learning efficiency,self-organizing feature maps(SOM) are analyzed,a new self-learning feature maps(SLM) algorithm is proposed.
为了有效地提高矢量量化(VQ)码书的性能,提出了一种新的自学习特征映射(SLM)算法,并应用到图像VQ中,实验表明,与自组织特征映射(SOM)算法相比,SLM算法具有聚类特性好和峰峰信噪比高等优点,是一种非常有前途的码书设计算法。
5) self-organizing map
自组织特征映射
1.
The Research and Application of the Clustering Algorithm Based on Self-Organizing Map;
基于自组织特征映射聚类算法的研究与应用
2.
The classification effect was validated by the leave-one-out method and compared with the support vector machine(SVM) and self-organizing map(SOM) methods.
将最小二乘支持向量机(leastsquare support vector machine,LS-SVM)算法用于杭州南宋官窑2窑址出土瓷片的分类研究中,根据瓷片胎和釉的主要、次要和痕量元素组成对它们进行了分类,用留一法检验其分类效果,并与支持向量机(support vector machine,SVM)算法和自组织特征映射(self-organizing map,SOM)算法进行了比较。
6) SOFM
自组织特征映射
1.
A Document Clustering Method Based on Improved SOFM Network;
一种基于改进的自组织特征映射网络的文档聚类方法
2.
This article introduced a SOFMN based face recognition method.
介绍了一种基于自组织特征映射网络的人脸识别方法,使用Adaboost算法定位人脸,采用自组织特征映射网络分类器,优选网络初始权向量对人脸图像进行识别。
3.
Clustering analysis based on self-organizing feature maps(SOFM) network is a new unsupervised clustering method that de-velops from neural networks.
基于自组织特征映射网络的聚类分析,是在神经网络基础上发展起来的一种新的非监督聚类方法,分析了基于自组织特征映射网络聚类的学习过程,分析了权系数自组织过程中邻域函数和学习步长的一般取值问题,给出了基于自组织特征映射网络聚类实现的具体算法,并通过实际示例测试,证实了算法的正确性。
补充资料：奥氏体组织遗传
奥氏体组织遗传
structure heredity of austenite
aoshitl zuzhly{ehuan奥氏体组织遗传(strueture heredity ofaustenite)钢奥氏体化时的一种晶粒组织传递现象。钢材或制品在生产全过程中有可能经受两次以上的奥氏体化，如第一次为锻轧加热，第二次为淬火加热。由于锻轧阶段工艺不当所产生的粗晶奥氏体组织，可以传递到淬火加热，虽然中间经过锻轧后冷却时的相变，形成了珠光体(P)、托氏体(T)、贝氏体(B)、马氏体(M)等低温组织，并且第二次加热(淬火加热)的参数在正常情况下不会引起晶粒长大。少数极易发生奥氏体组织遗传的钢种，甚至在锻轧和淬火中间安排中间退火，如果退火工艺选择不当，仍可发生粗晶组织的遗传。 普通碳素钢和低合金钢在热处理参数正常，尤其在有中间退火的条件下，不发生晶粒组织遗传。某些合金化程度较高的合金结构钢、高合金工具钢，如37CrNi3、38CrMoAI、高速钢W6Mo5Cr4VZ等，组织遗传倾向很强。 晶粒组织遗传的根本原因，在于固态相变的产物与母相间或多或少地保持一定的晶体学关系。完整的晶粒遗传，即第二次奥氏体化时晶粒的完整恢复，一般只在加热速度足够快时才发生。在工业常用的加热条件下，即使遗传性高的钢种也难以有完整的晶粒恢复;这时，所谓遗传性表现为后续奥氏体所获晶粒组织与先行所获具有一定的相似性。先行奥氏体化后冷却时的组织转变也影响到遗传性，在A~P(T)、A~B、A~M3种冷却转变中，以A~B的遗传性最强，A~P的遗传性最弱。 消除、防止组织遗传性，切断粗晶组织的热处理方法是，正确地进行中间处理。在连续两次淬火之间，或在已获粗晶奥氏体并还须作后续奥氏体化时，必须安排适当的中间正火或退火;对于遗传性很强的钢种，可作两次以上的退火或“正火+退火”。 (陈景榕)
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条