U-матрица и самоорганизующиеся карты - PullRequest
Новая
       3

U-матрица и самоорганизующиеся карты

6 голосов
/ 30 мая 2011

Я пытаюсь понять СДЛ.Меня смущает, когда люди публикуют изображения, представляющие изображение данных, получивших мое использование SOM для отображения данных в пространство карты.Говорят, что используется U-матрица.Но у нас есть конечная сетка нейронов, так как вы можете получить «непрерывное» изображение?Например, начиная с сетки 40х40, имеется 1600 нейронов.Теперь вычислите U-матрицу, но как вы теперь изобразите эти числа, чтобы получить визуализацию?Ссылки:

учебник по SOM с визуализацией

SOM из Википедии

1 Ответ

7 голосов
/ 03 июня 2011

U-матрица обозначает унифицированное расстояние и содержит в каждой ячейке евклидово расстояние (во входном пространстве) между соседними ячейками. Малые значения в этой матрице означают, что узлы SOM находятся близко друг к другу во входном пространстве, тогда как большие значения означают, что узлы SOM находятся далеко друг от друга, даже если они находятся близко в выходном пространстве. Таким образом, U-матрица может рассматриваться как сводка функции плотности вероятности входной матрицы в двумерном пространстве. Обычно эти значения расстояния дискретизируются, имеют цветовую кодировку в зависимости от интенсивности и отображаются в виде тепловая карта .

Цитирование набора инструментов Matlab SOM, 

 Compute and return the unified distance matrix of a SOM. 
 For example a case of 5x1 -sized map:
            m(1) m(2) m(3) m(4) m(5)
 where m(i) denotes one map unit. The u-matrix is a 9x1 vector:
    u(1) u(1,2) u(2) u(2,3) u(3) u(3,4) u(4) u(4,5) u(5) 
 where u(i,j) is the distance between map units m(i) and m(j)
 and u(k) is the mean (or minimum, maximum or median) of the 
 surrounding values, e.g. u(3) = (u(2,3) + u(3,4))/2.

Помимо набора инструментов SOM, вы можете взглянуть на пакет kohonen R (см. help(plot.kohonen) и используйте type="dist.neighbours").

...