Main Content

このページの翻訳は最新ではありません。ここをクリックして、英語の最新版を参照してください。

selforgmap

自己組織化マップ

構文

selforgmap(dimensions,coverSteps,initNeighbor,topologyFcn,distanceFcn)

説明

自己組織化マップは、同じ数のインスタンスを各クラスに割り当てることを優先して (ただし、その保証はありません)、類似性、トポロジに基づいてデータをクラスタリングするように学習します。

自己組織化マップは、データのクラスタリングとデータの次元削減の両方に使用されます。これらは、哺乳類の脳の感覚野および運動野のマッピングからヒントを得ています。哺乳類の脳でも、情報が自動的かつトポロジカルに組織化されると考えられています。

selforgmap(dimensions,coverSteps,initNeighbor,topologyFcn,distanceFcn) は、次の引数を取ります。

dimensions

次元のサイズの行ベクトル (既定値 = [8 8])

coverSteps

入力空間の初期対応のための学習ステップの数 (既定値 = 100)

initNeighbor

初期近傍サイズ (既定値 = 3)

topologyFcn

層トポロジ関数 (既定値 = 'hextop')

distanceFcn

ニューロン距離関数 (既定値 = 'linkdist')

これは、自己組織化マップを返します。

自己組織化マップを使用したデータのクラスタリング

ここでは、自己組織化マップを使用して、簡単なデータセットのクラスタリングを行います。

x = simplecluster_dataset;
net = selforgmap([8 8]);
net = train(net,x);
view(net)
y = net(x);
classes = vec2ind(y);

R2010b で導入