楊紀青 陳洪萍

[摘 要]為實現(xiàn)中國球粒隕石按元素濃度數(shù)值分布的自組織分類,用SOM神經(jīng)網(wǎng)絡技術,以中國科學院廣州地球化學研究所的中國巖礦地球化學數(shù)據(jù)庫(http://www.geochem.csdb.cn/)共享的60種中國球粒隕石的26種元素濃度數(shù)據(jù)為學習和測試樣本,訓練和檢測神經(jīng)網(wǎng)絡對中國球粒隕石的元素濃度數(shù)值分布的自組織分類。實驗顯示:經(jīng)過1000步的訓練,SOM神經(jīng)網(wǎng)絡矩陣映射重復操作歸類相同率,在剔除特異結果后達到90%以上。這一結果證實,利用SOM神經(jīng)網(wǎng)絡技術,可以對中國球粒隕石的元素濃度數(shù)值分布進行客觀分類。

[關鍵詞]中國球粒隕石 元素濃度 SOM神經(jīng)網(wǎng)絡 自組織分類

[中圖分類號]T[文獻標識碼]A[文章編號]1007-9416(2009)11-0127-01

Self-organizing classification For the Distribution of the content of China Chondrite elemental concentration data Based on SOM Neural Networks

Yang Ji-Qing

(Department of Computer Science of Xiangfan College, Xiangfan city Hubei Prov. 441000,China)

[Abstract]The results explain that we can make an objective classification for the distribution of elements in the numerical distribution of China Chondrite elemental concentration data using the SOM neural networks technology, and which can be provided as basis for the rating of numerical distribution of China Chondrite elemental concentration data quality, properties forecast, defects diagnosis and the recognition of type.

[Keywords]China chondrites;element concentrations;SOM neural network;self-organizing classification;

本文對中國球粒隕石的元素濃度數(shù)值分布的自組織分類。

1. 材料與方法

1.1 材料和儀器

統(tǒng)計數(shù)據(jù)。采用中國科學院廣州地球化學研究所的中國巖礦地球化學數(shù)據(jù)庫(http://www.geochem.csdb.cn/)共享的60種中國球粒隕石的26種元素濃度數(shù)據(jù)(復雜系統(tǒng)的“參數(shù)組合取值分布”數(shù)據(jù))為學習和測試樣本。

1.2 方法

訓練SOM神經(jīng)網(wǎng)絡:net=train(net,P);

2 結果與討論

運行結果的總分示例數(shù)據(jù)如表1,SOM神經(jīng)網(wǎng)絡對樣本數(shù)據(jù)的自組織分類,重復100次,剔除這100次統(tǒng)計結果中的特異結果進行歸類,SOM神經(jīng)網(wǎng)絡矩陣映射的準確率為90%以上。

3 結語

通過分析發(fā)現(xiàn):采用中國科學院廣州地球化學研究所的中國巖礦地球化學數(shù)據(jù)庫(http://www.geochem.csdb.cn/)共享的60種中國球粒隕石(見表1)的26種元素濃度數(shù)據(jù)取值分布構建SOM神經(jīng)網(wǎng)絡進行矩陣映射實現(xiàn)自組織歸類,具有較高的準確性和可靠性。

[參考文獻]

[1] 何術.SOM神經(jīng)網(wǎng)絡在樹葉形狀分類中的應用[J].電腦開發(fā)與應用,2004,02:132-136.

[2] 梁英,王鶴年,季峻峰.南極格羅夫山普通球粒隕石的巖石學和礦物學特征及分類[J]高校地質(zhì)學報, 2006,(01).

[基金資助]

本文受湖北省“十一五”教育科學發(fā)展規(guī)劃項目資助,課題號:2006B131