matlab怎么实现自组织竞争神经网络

competlayer函数创建一个竞争网络层，根据输入样本之间的相似性对其进行分类，分类的类别数是给定的，且总是倾向于给每一个类别分配相同数目的样本，尽量均衡地进行分类。

inputs = iris_dataset;

% 载入数据

net = competlayer(3);

% 创建竞争网络

net = train(net,inputs);

% 训练

outputs = net(inputs);

% 分类

classes = vec2ind(outputs);

% 格式转换。classes为分类结果

selforgmap函数利用数据本身的相似性和拓扑结构对数据进行聚类。

x = simplecluster_dataset;

figure

plot(x(1,:),x(2,:),'o')

set(gcf,'color','w')

title('原始数据')

net = selforgmap([8 8]);

% 创建自组织映射网络

net = train(net,x);

% 训练

y = net(x);

classes = vec2ind(y);

figure

hist(classes,64)

% 显示聚类结果

set(gcf,'color','w')

title('聚类结果')

xlabel('类别')

ylabel('类别包含的样本数量')

figure

plotsompos(net,x)

% 显示类别中心点的位置

net = selforgmap([2,3]);

net = train(net,x);

y = net(x);

classes = vec2ind(y);

figure

hist(classes,6)

% 6个类别包含的样本个数

figure

plotsomhits(net,x)

% 显示每个类别的个数

figure

plotsompos(net,x)

% 显示类别中心点的位置

数据文件均为MATLAB自带的用于聚类的数据