《表3 基于SOFM网络的粒度分类结果(训练1 000次)》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《利用沉积物粒度特征区分不同级地貌面的方法对比——以青衣江流域地貌面为例》
本文使用的SOFM非线性分类器是在MATLAB8.5中实现的。MATLAB的神经网络工具箱(Neural Network Toolbox)提供了初始化权值、学习和训练、竞争激活等函数,可以很方便地构建任意输入和输出神经元的SOFM网络。利用net=selforgmap([2 1])创建一个自组织特征映射,其中[2 1]表示所训练SOFM的网络维数。然后利用函数train()进行训练,设定最大循环次数为1 000次,输出29×1的一维阵列。由于粒度参数值都是通过粒度特征值φ计算得出,故采用最基础的数据作为训练数据(表1)。利用φ1、φ5、φ16、φ25、φ50、φ75、φ84、φ95和φ99这9个指标将29个样本分为2~12类,其分类结果见表3。
图表编号 | XD0086276300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.01 |
作者 | 刘睿、姜大伟、李安、郭长辉、张世民 |
绘制单位 | 中国地震局地壳应力研究所地壳动力学重点实验室、中国地震局地质研究所活动构造与火山重点实验室、中国地震局地壳应力研究所地壳动力学重点实验室、中国地震局地壳应力研究所地壳动力学重点实验室、中国地震局第一监测中心、中国地震局地壳应力研究所地壳动力学重点实验室 |
更多格式 | 高清、无水印(增值服务) |