基于SOM神經網絡的中國球粒隕石26種元素濃度數值分布的自組織分類①

楊紀青 陳洪萍

[摘 要]為實現中國球粒隕石按元素濃度數值分布的自組織分類,用SOM神經網絡技術,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據庫(http://www.geochem.csdb.cn/)共享的60種中國球粒隕石的26種元素濃度數據為學習和測試樣本,訓練和檢測神經網絡對中國球粒隕石的元素濃度數值分布的自組織分類。實驗顯示:經過1000步的訓練,SOM神經網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神經網絡技術,可以對中國球粒隕石的元素濃度數值分布進行客觀分類。

[關鍵詞]中國球粒隕石 元素濃度 SOM神經網絡 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值分布的自組織分類。

1. 材料與方法

1.1 材料和儀器

統計數據。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據庫(http://www.geochem.csdb.cn/)共享的60種中國球粒隕石的26種元素濃度數據(復雜系統的“參數組合取值分布”數據)為學習和測試樣本。

1.2 方法

訓練SOM神經網絡:net=train(net,P);

2 結果與討論

運行結果的總分示例數據如表1,SOM神經網絡對樣本數據的自組織分類,重復100次,剔除這100次統計結果中的特異結果進行歸類,SOM神經網絡矩陣映射的準確率為90%以上。

3 結語

通過分析發現: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據庫(http://www.geochem.csdb.cn/)共享的60種中國球粒隕石(見表1)的26種元素濃度數據取值分布構建SOM神經網絡進行矩陣映射實現自組織歸類,具有較高的準確性和可靠性。

[參考文獻]

[1] 何術.SOM神經網絡在樹葉形狀分類中的應用[J].電腦開發與應用,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]高校地質學報, 2006,(01).

[基金資助]

本文受湖北省“十一五”教育科學發展規劃項目資助,課題號:2006B131