-
-
基于SOM神经网络的移动客户细分研究
利用基于RFM模型的自组织特征映射神经网络（Self-Organizing Feature Map，SOM）对移动客户进行细分，可以有效地解决各类别特征不明显、特征参数相互交错、非线性分布的类型识别问题。研究过程中将客户的属性划分为近度、频度、值度三个指标，模拟专家分类的功能，根据各个客户簇的特征进一步分析客户的终身价值，量化分析客户的重要性。最后利用相关的市场营销知识对各个客户类别提出相应的营销策略方案。
-
一种改进SOM的双目视觉特征点快速匹配方法
针对未知非结构化室内环境中双目视觉机器人路标特征匹配的问题进行了研究，提出了基于改进自组织映射网络（Self-Organizing Map，SOM）的双目视觉特征点快速匹配方法。对双目视觉获取的环境图像提取SIFT特征向量作为改进SOM的输入，利用获胜者计算技术完成对输入SIFT特征点的快速匹配，SOM竞争学习过程中用街区距离与棋盘距离的线性组合作为相似性度量函数。实验结果表明，所提方法在路标特征匹配的时间和效果上优于传统SIFT和SURF特征匹配的方法，且能满足实时性要求。
-
基于SOM神经网络的三电平逆变器的故障诊断
针对三电平逆变器的开路故障，采用一种基于小波包变换与自组织映射神经网络(SOM)的故障诊断方法。测量三电平逆变器的上、中、下桥臂电压进行故障模式的分类，桥臂电压经过小波包分解后进行故障特征向量提取，将故障向量作为SOM神经网络的输入进行故障模式识别。仿真和实验表明，该诊断方法对三电平逆变器故障的分类准确且快速，能够降低检修人员的故障识别难度，有效提高诊断效率，对于实现三电平逆变器的在线故障诊断具有广阔的应用前景。
-
-
-
-
-
-
-
-
Go To English Version 超过100万源码资源，1000万源码文件免费下载
