基于核KMeans和SOM神经网络算法的海况聚类分析

作者：陈晓曼; 苏欢^*

来源：陕西科技大学学报, 2023, 41(03): 208-214.

DOI：10.19481/j.cnki.issn2096-398x.2023.03.007

• 聚类
• 海况
• 核KMeans
• SOM神经网络

为了更加高质量地利用海况数据，避免由复杂因素导致的对海况误判问题，基于KMeans、核技巧、自组织映射(Self-organizing Mapping, SOM)神经网络构建了自组织映射混合核KMeans(SOM-Gaussian and Polynomial Kernel-KMeans, SGPK-KMeans)算法.克服了KMeans对复杂数据聚类效果不佳、核KMeans需要指定聚类数目和对初始聚类中心敏感的问题.通过海况数据聚类实验，将SGPK-KMeans算法的聚类效果与经典KMeans、单核KMeans和SOM神经网络算法进行对比分析.结果表明SGPK-KMeans对于海况数据聚类具有更加稳定的效果且能更加准确的识别出数据中的异常值.

• 出版日期2023
• 单位哈尔滨工业大学（威海）