基于SOM神经网络的中国球粒陨石26种元素浓度数值分布的自组织分类①

杨纪青 陈洪萍

[摘 要]为实现中国球粒陨石按元素浓度数值分布的自组织分类,用SOM神经网络技术,以中国科学院广州地球化学研究所的中国岩矿地球化学数据库(http://www.geochem.csdb.cn/)共享的60种中国球粒陨石的26种元素浓度数据为学习和测试样本,训练和检测神经网络对中国球粒陨石的元素浓度数值分布的自组织分类。实验显示:经过1000步的训练,SOM神经网络矩阵映射重复操作归类相同率,在剔除特异结果后达到90%以上。这一结果证实,利用SOM神经网络技术,可以对中国球粒陨石的元素浓度数值分布进行客观分类。

[关键词]中国球粒陨石 元素浓度 SOM神经网络 自组织分类

[中图分类号]T[文献标识码]A[文章编号]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;

本文对中国球粒陨石的元素浓度数值分布的自组织分类。

1. 材料与方法

1.1 材料和仪器

统计数据。采用中国科学院广州地球化学研究所的中国岩矿地球化学数据库(http://www.geochem.csdb.cn/)共享的60种中国球粒陨石的26种元素浓度数据(复杂系统的“参数组合取值分布”数据)为学习和测试样本。

1.2 方法

训练SOM神经网络:net=train(net,P);

2 结果与讨论

运行结果的总分示例数据如表1,SOM神经网络对样本数据的自组织分类,重复100次,剔除这100次统计结果中的特异结果进行归类,SOM神经网络矩阵映射的准确率为90%以上。

3 结语

通过分析发现:采用中国科学院广州地球化学研究所的中国岩矿地球化学数据库(http://www.geochem.csdb.cn/)共享的60种中国球粒陨石(见表1)的26种元素浓度数据取值分布构建SOM神经网络进行矩阵映射实现自组织归类,具有较高的准确性和可靠性。

[参考文献]

[1] 何术.SOM神经网络在树叶形状分类中的应用[J].电脑开发与应用,2004,02:132-136.

[2] 梁英,王鹤年,季峻峰.南极格罗夫山普通球粒陨石的岩石学和矿物学特征及分类[J]高校地质学报, 2006,(01).

[基金资助]

本文受湖北省“十一五”教育科学发展规划项目资助,课题号:2006B131