人工神经网络在模式分类与聚类中的应用研究.docx

人工神经网络在模式分类与聚类中的应用研究

1.25万字 38页 原创作品，已通过查重系统

摘 要

人工神经网络是近年来智能计算领域备受关注的一个研究方向，是近代非线性科学和计算智能研究的主要内容之一。其思想来源于生物学中的神经细胞组织结构，将大脑的运行特点进行抽象简化，构建人工神经网络这一强大的信息处理工具。它具备独特的表示结构和信息处理原则，能够有效地解决一些传统计算方法无法解决的难题，促进了科研、金融、军事、生活等领域的发展。
本文主要针对人工神经网络在模式识别和聚类分析领域的技术应用展开研究，大致分为以下几个部分：
一，对模式分类和聚类的相关理论和常用方法进行了整理分析；
二，对人工神经网络的基础理论展开叙述，探讨了神经元的几种结构，总结了几种常用网络的特点；
三，深入分析人工神经网络的无监督学习技术，阐述了Hebb规则、Instar规则、Kohonen规则及其改进等联想学习规则，并由改进Kohonen规则出发，重点探讨了自组织特征映射网络（SOFM）的相关特点；
四，对数据进行聚类分析测试，分为二维点簇聚类实例与肝病患病血常规化验结果数据聚类实例两部分，用程序实例说明了神经网络在实际问题中的应用方法，并用计算机工具作出了聚类分析过程和结果的图像。



关键词：人工神经网络；模式识别；聚类分析；自组织特征映射网络