问题标签 [self-organizing-maps]

是否有任何可用语言的自组织时间图的实现？（http://www.sciencedirect.com/science/article/pii/S0925231212005759）

我知道 R 的 Kohonen 包，但它具有基本实现，而不是 SOTM 或任何其他变体。

这些在某处可用吗？

I'm new to R and I have a question regarding the package factoextra and the function fviz_nbclust().

I want to rename myself the axis X and Y but i can't find how to do it. I found how to add the title but not the axis.

Does anyone know how to rename the axis ?

Thank you for your time.

我正在尝试使用余弦而不是欧几里得距离对一些似乎可分离的数据进行聚类。为此，我如何使用 MATLAB 的selforgmap？我不相信这是通过“distanceFcn”选项。

x = simplecluster_dataset；net = selforgmap([8 8],100,3,'hextop','cosine'); 净=火车（净，X）；视图（净） y = 净（x）；类 = vec2ind(y);

我在这里发现了一个类似的问题Determining cluster members in SOM (Self Organizing Map) for time series data

并且我想学习如何将自组织地图应用于二值化或将两种以上的符号分配给数据。

例如，让data = rand(100,1)一般来说，我会做data_quantized = 2*(data>=0.5)-1一个二进制值转换序列，其中假设阈值 0.5 并固定。可能已经有可能使用超过 2 个符号来量化数据。可以应用 kmeans 或 SOM 来完成这项任务吗？如果我要使用 SOM 量化数据，输入和输出应该是什么？

X = {x_i(t)}对于 i =1:N 和 t = 1:T 时间序列数，N表示组件/变量的数量。要获得任何向量 x_i 的量化值，就是使用最接近的 BMU 的值。量化误差将是输入向量与最佳匹配模型之差的欧几里得范数。然后使用时间序列的符号表示来比较/匹配一个新的时间序列。BMU 是标量值还是浮点数向量？很难想象 SOM 正在做什么。

Matlab 实现https://www.mathworks.com/matlabcentral/fileexchange/39930-self-organizing-map-simple-demonstration

我无法理解如何在量化中处理时间序列。假设N = 1，从白噪声过程中获得的元素的一维数组/向量，我如何使用自组织图量化/分割这些数据？

http://www.mathworks.com/help/nnet/ug/cluster-with-self-organizing-map-neural-network.html

由 Matlab 提供，但它适用于 N 维数据，但我有一个包含 1000 个数据点（t = 1，...，1000）的一维数据。

如果提供一个玩具示例来解释如何将时间序列量化为多个级别，那将是非常有帮助的。让，trainingData = x_i;

如何应用 SOM 下面的代码，以便数值数据可以用 1、2、3 等符号表示，即使用 3 个符号进行聚类？数据点（标量值）可以用符号 1 或 2 或 3 表示。

在为自组织映射神经网络编写代码时，我编写了用于查找每个神经元权重和每个训练输入之间的欧几里德距离的 codelet。然后我使用竞争函数使最大距离值为 1 并保持为零（稀疏矩阵）的元素。

换句话说，每一行必须至少有一个元素为 1。但是当我运行一个循环以使用 find 函数在每一行中查找此类元素的索引时，我得到了一个空矩阵。这是代码摘录。

如何从命令行关闭以下 MATLAB SOM 示例创建的两个窗口？

在 SOM 中，邻居距离如何工作？

1-如果地图中的两个节点距离很近并且它们的距离很小，那么它们的颜色相似，对吗？

2-如果两个节点在地图上很近但它们的距离很大，那么它们有不同的灰色，对吗？

3-但是，如果两个完全分开的节点具有相似的灰色怎么办，它们是否接近？

4-另一个问题。在此地图链接中，在某些六边形中没有国家，而在其他六边形中，不止一个国家​​，这是什么意思？

我有一个自组织的地图在这里创建了一个 Som_pak-3.1

如果我有三种不同类型的元素，它们是不同的。为什么元素不在地图的不同部分？为什么“A”、“B”和“C”在很多情况下都在同一个六边形上？为什么“B”和“C”在六边形中从不单独存在？

提前致谢！

我正在用 python 做一个图像识别项目。我在期刊上读到，如果将自组织图 (SOM) 执行的聚类输入到有监督的神经网络中，则图像识别的准确性会提高，而不是监督网络本身。我自己尝试过使用 SOM 执行聚类，然后在每次迭代后使用获胜神经元的坐标作为来自 keras 的多层感知器的输入。但是准确度很差。

SOM 的什么输出应该用作多层感知器的输入？

如果您查看此 SOM 地图，我有一些查询要完全了解 SOM 地图的工作原理：

1 - 为什么地图中有些点没有任何标签（A、B 或 C）？

2 - 我知道在每个节点中都有超过 1 个元素。一个类型的多少元素必须在节点中才能在地图中看到它的标签？

3 - 灰色的含义是什么？黑色是否意味着有很多点与该单元格匹配？或者这是否意味着该单元格和附近的单元格之间有很大的距离？

4 - 为什么黑色单元格中没有任何标签（A、B 或 C）？我后来才意识到这张地图的大小是 10 x 5，并且标签只能位于这些点上。那是对的吗？

先感谢您！！