无督学习的神经网络聚类分析模型及在软岩类型指标分析中的应用

• 作 者: 谭云亮 石永奎 刘传孝
• 出 处: 山东矿业学院学报
• 发表日期: 1995年04期
• 关键词: 神经网络 聚类分析 自组织特征映射 学习规则 无监督学习 回采巷道 输出节点 类型识别 单向抗压强度 聚类法

根据自组织特征映射的思想，建立了无督学习的神经网络聚类分析模型，对软岩巷道分析指标进行聚类分析的结果在明，该方法所得到类别中的指标都以相同或相近的侧面来反映软岩属性，这不仅为正确识别软岩的类型提供基础，而且对矿山、地质、铁路等领域的工程应用具有重要参考价值。

According to the idea of ​​self-organizing feature mapping, a neural network clustering analysis model based on unsupervised learning is established. The results of cluster analysis of soft rock roadway indicators are shown in the figure. All the indexes in this method are the same or similar Which not only provides the basis for correctly identifying the types of soft rocks, but also has an important reference value for the engineering applications in the fields of mines, geology and railway.