公开(公告)号：CN114564681A

公开(公告)日：2022-05-31

申请号：CN202210200657.7

申请日：2022-03-02

Applicant: 桂林理工大学

Inventor： 程小辉 ,  张皓然

IPC: G06F17/11 ,  G06N3/00

Abstract: 一种基于权重优化的粒子群优化算法和自组织特征映射神经网络的林地土壤无机盐含量数据分析方法。该方法以基于粒子群优化的自组织特征映射神经网络为基础进行优化，通过粒子群优化算法和自组织特征映射神经网络模型来代替自组织特征映射的启发式训练算法，加强算法的非线性聚类能力。自组织特征映射神经网络通过将高维的信息数据以有序方式映射到低维空间，形成一种有拓扑意义的有序图。而将自组织特征映射神经网络技术应用于林地土壤数据分析，通过其强大的非线性拟合能力和可视化特点，将在土壤数据分析中有着独特的优势。本发明可优化自组织特征映射神经网络算法的权重分布，可有效降低网络的量化误差和拓扑误差，提高聚类识别的质量。

公开(公告)号：CN114595213A

公开(公告)日：2022-06-07

申请号：CN202210200658.1

申请日：2022-03-02

Applicant: 桂林理工大学

Inventor： 程小辉 ,  张皓然

IPC: G06F16/215 ,  G06K9/62

Abstract: 本发明提供了一种基于改进的K近邻多重土壤无机盐占比数据集插补方法。缺失值大量存在于现实数据库中，这不仅严重影响了信息查询的质量，还会扭曲数据挖掘与数据分析的结果，进而误导工作人员决策。解决这一问题的最佳方法是预先填充这些丢失的数据。多重插补已被证明是处理数据缺失问题和解决插补不确定性的有效策略，在处理高维数据的情况下，数据的缺失会引发更严重的问题。在这种情况下，本发明提供了一种基于改进的K近邻多重插补方法，通过使用目标和候选预测因子之间的相关信息来计算距离，由于只有相关的预测因子有助于计算距离，该方法也适用于高维数据缺失的情况下。