结构自适应的半监督自组织过程神经网络

针对时域空间中模式识别、聚类分析和未标记样本的有效利用问题, 提出一种基于半监督学习的网络结构自适应的二维自组织过程神经网络模型和算法. 通过构建可度量时变样本间相似性的广义Fréchet 距离, 利用部分已标记动态样本的类别信息和过程特征, 采用奖励-惩罚更新规则, 根据网络学习目标函数, 对网络二维平面竞争层节点进行动态拆分或合并, 实现网络结构的自适应调整和样本的有效聚类. 仿真实验结果验证了模型和算法的有效性.