som網(wǎng)絡(luò)的城市分類探討及實(shí)證分析詮釋(更新版)
【正文】 、石油化工、鋼鐵、橡膠、家用電器、啤酒、卷煙等。仿真的步數(shù)大小同樣影響網(wǎng)絡(luò)的聚類性能，這里我們?cè)O(shè)置步數(shù)為1000。從中我們看出，原始指標(biāo)數(shù)據(jù)波動(dòng)較大，而一般來(lái)說(shuō)，神經(jīng)元的輸出函數(shù)在01之間最為靈敏，為了提高訓(xùn)練的效率，所以要把數(shù)據(jù)進(jìn)行歸一化處理。 提供新的輸入模式X。Kohonen認(rèn)為，處于空間中不同區(qū)域的神經(jīng)元有不同的分工，當(dāng)一個(gè)神經(jīng)網(wǎng)絡(luò)接受外界輸入模式時(shí)，將會(huì)分成不同的反應(yīng)區(qū)域，各區(qū)域?qū)斎肽Ｊ骄哂胁煌捻憫?yīng)特征。2005年吳聘奇、黃民生利用SOM網(wǎng)絡(luò)對(duì)福建省城市進(jìn)行了職能分類，同年，劉耀彬、宋學(xué)鋒又基于SOM人工神經(jīng)網(wǎng)絡(luò)對(duì)長(zhǎng)江三角洲地區(qū)城市職能分類做了研究。而基于人工神經(jīng)網(wǎng)絡(luò)（ANN）的自組織特征映射網(wǎng)絡(luò)（SOM）具有強(qiáng)大的聚類功能。其中行業(yè)就業(yè)人口是評(píng)價(jià)一個(gè)城市該行業(yè)的發(fā)展的基礎(chǔ)指標(biāo)。 （二）SOM網(wǎng)絡(luò)學(xué)習(xí)算法 初始化。 三、基于SOM網(wǎng)絡(luò)的城市分類實(shí)證分析 城市分類可以便于我們了解各個(gè)城市的發(fā)展?fàn)顩r，從而為我們制訂城市的發(fā)展決策提供依據(jù)。確定網(wǎng)絡(luò)的輸入模式為： Pk=(P1k,P2k,…pkn)，k=1,2,…17,n=19 即一共有17組城市樣本向量，每個(gè)樣本中包括19個(gè)元素。分類情況如表2所示。 第二類：淄博、泰安、德州、聊城在發(fā)展方面，各個(gè)方面較為均衡，沒(méi)有特別顯著的特點(diǎn)。 第四類：煙臺(tái)在此被單獨(dú)分成了一類，其具有自身的特色，并且發(fā)展?jié)摿薮蟆?第六類：威海、日照、萊蕪、濱州這四個(gè)城市各個(gè)方面表現(xiàn)均不太突出，但是，這些城市的發(fā)展?jié)摿?
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1