Feb, 2024

自组织映射的最小监督拓扑投射用于飞行阶段识别

PDF
TL;DR飞行阶段的识别对通用航空领域非常重要，该研究采用了一种新方法来减少监督的自组织映射 (MS-SOMs) 来进行阶段识别，结果表明该方法只需每类 30 个标记数据点就能达到或超过标签数据全文件的普通自组织映射方法的效果，并且对于飞行阶段数据的类别不平衡具有更强的健壮性。这些结果突出了有效识别飞行阶段所需的数据量很少。
phases of flightflight datageneral aviationself-organizing mapsclass imbalance
发现论文，激发创造
  • 自组织映射中的拓扑投影最小监督学习

    我们提出了一种基于自组织映射中的拓扑投射的半监督学习方法，通过利用大规模未标记数据集中的信息，显著减少了进行参数预测所需的标记数据点数量，从而有效降低了在某些领域（如电力系统、医学和工程学）中获取地面实况标记的成本。

    Jan, 2024

  • 利用自组织映射（SOMs）对等离子体子团不稳定性的完全动力学模拟进行无监督分类

    本文介绍了如何利用基于自组织映射（Self-Organizing Maps，SOM）的聚类方法来分析近期产生的空间物理过程的大量仿真和观测数据，并得出了聚类图，该图可以很好地定位整个过程中各个区域的特征，因此该方法是一种有前途的数据分析工具，可以用于空间物理过程的仿真和观测数据的分析。

    Apr, 2023

  • 一种确定性自组织映射方法及其在基于卫星数据的云类型分类中的应用

    本篇研究探讨了一种补充标准自组织映射的确定性方法，并通过卫星云数据的实验结果，展示了这种方法在数据组织和简化方面的有效性和高效性。

    Aug, 2018

  • 非欧几里得自组织映射

    本文提出了一种应用于非欧式几何的 SOM 算法，其拓扑相关扩展改善了传统 SOM 算法，可用于维度约简、聚类或在大数据中寻找相似性。

    Sep, 2021

  • 使用自组织映射进行离群值检测的自动化血细胞分析

    本文针对医学数据集中的异常检测问题，采用自组织映射法 (Self-Organizing Maps) 基于量化误差和距离地图进行无监督学习。结果表明，相对于手动指定的过滤器，自组织映射法在该数据集上的无监督异常检测的效果相当。此外，该方法在医学数据集的清理和探索中也显示出了很好的表现。未来研究可考虑将自组织映射法与深度学习相结合。

    Aug, 2022

  • 利用数据可视化和聚类方法对飞行路径进行分类

    本文利用美国联邦航空管理局的交通流量管理系统数据集和 DV8，一种近期开发的用于高度交互式可视化航空交通数据的工具，开发了用于按照变化的飞行路径对航空交通进行聚类的算法。展示并比较了两种聚类方法：基于空间的地理距离模型和基于向量的余弦相似度模型，以评估它们的聚类效果。应用示例揭示了基于自动聚类结果确定和人机合作过程的成功实际聚类，其中地理距离算法在飞行路径的巡航阶段表现更好，余弦相似度算法在近航站区域操作（如到达路径）表现更好。应用了一种抽取点的技术来提高计算效率。

    Oct, 2023

  • 自适应概念学习的 Web 图像校正自组织映射

    本文提出了一种从嘈杂的 Web 图像搜索结果中自动学习概念的方法，旨在通过发现子集间共同特征并消除无关实例的方法，基于弱标签数据集学习更高层次的概念，并提出了一种名为 Rectifying Self Organizing Maps (RSOM) 的聚类和离群点检测方法。该方法在学习低级别概念的任务上优于现有研究，而且在学习高级别概念方面也极具竞争力，并且能够利用现有资源在大规模上无监督地工作。

    Dec, 2013

  • 基于神经仿生无任务无监督在线学习的自维持映射模型

    持续学习中的难题是灾难性遗忘，特别是在人工神经网络（ANNs）等无监督架构中，我们提出了一种称为连续自组织映射（CSOM）的泛化模型来解决这一问题。CSOM 在低内存预算下实现在线无监督学习，在多个基准测试中获得了准确性提高近两倍以及用于自动类别增量学习设置的最新技术成果。

    Feb, 2024

  • 异步训练的分布式拓扑地图

    提出一种基于自主单元、分布式异步训练、电路驱动的权重更新方案以及启发式搜索的算法，使得拓扑特征图的训练在无需中央控制和同步执行的条件下实现，可进行可扩展的大规模数据集处理，同时实验结果表明算法在多个数据集上的分类任务中性能表现稳定。

    Jan, 2023

  • 通过自组织高斯混合模型实现增量多模式表面映射

    本文介绍了一种增量多模式表面映射方法，将环境表示为连续的概率模型。该方法利用高斯混合模型（GMMs）表示环境，通过空间哈希图提取 GMM 子地图，并确定点云中的相关和冗余数据，从而提高计算速度和地图的准确性。评估使用模拟和真实数据，该软件开源供机器人社区使用。

    Sep, 2023