基于改进的SOM神经网络在产品配置中的应用，潘高峰，宋飞，提出了一种基于改进的SOM（Self-organizing Feature Map）神经网络的产品配置方法，对客户个性化需求进行全面分析，提高客户聚类的精确性和

由广州创龙自主研发的SOM-TL138F核心板是基于TI定点/浮点DSP C674x+ARM9 + Xilinx Spartan-6 FPGA工业级三核核心板，尺寸为66mm*38.6mm，功耗小 、成本低、性价比高。采用沉金无铅工艺的8层板设计，专业的PCB Layout保证信号完整性的同时，经过严格的质量控制，满足工业环境应用。 SOM-TL138F核心板引出CPU全部资源信号引脚，二次开发更加容易，客户只需要专注上层应用，大大降低了开发难度和时间成本，让产品快速上市，及时抢 占市场先机。 不仅提供丰富的Demo程序，还提供详细的开发教程，全面的技术支持，协助客户进行底板设计、调试以及软件开发。

由创龙工程师联合一众电子开发爱好者联合翻译的最新TMS320F2837xD中文翻译数据手册现在可以下载了。您再也不用打开着某某翻译词典，一边翻译，一边忍受着非专业的词汇的痛苦了。 主要围绕TL2837x-EasyEVM是一款基于创龙SOM-TL2837x核心板所设计的高端单/双核浮点开发板，它为用户提供了SOM-TL2837x核心板的测试平台，用于快速评估SOM-TL2837x核心板的整体性能。 TL2837x-EasyEVM底板采用沉金无铅工艺的2层板设计，不仅为客户提供系统驱动源码、丰富的Demo程序、完整的软件开发包，以及详细的TMS320F28x系统开发文档，还协助客户进行底板的开发，提供长期、全面的技术支持，帮助客户以最快的速度进行产品的二次开发，实现产品的快速上市。

与一维传递函数相比，多维传递函数可以对体积对象进行更复杂的分类。但 是，当传递函数空间的维数超过 3-D 时，将其可视化和操作是不直观的，这使得 用户交互变得困难。所以针对多维传递函数的设计问题，提出了一种二维聚类方 法。一阶自组织图聚类（SOM）将高维特征数据投影到二维拓扑保留图中。二 阶聚类降低了 SOM 神经元的设计自由度。从大量的 SOM 神经元到可管理的簇。 在提供信息的 SOM 网络的指导下，用户通过选择集群以交互方式发现体素中有 趣的结构，在必要时可视化和修改集群结果。我们的界面跟踪发现的每一个有趣 的结构，这不仅允许用户仔细检查单个结构，还允许他们通过合并被认为重要的 结构来形成最终的可视化效果。 最后用 QT 实现了一个可视化软件，导入体数据，体数据对应的类，对应类 的颜色表和 SOM 拓扑图对应的类这些文件，就可以通过光线投射算法来可视化 对应的三维体数据，因为我们采取了多维传递函数，所以效果比直接光线投射算 法更加好，能分出更加复杂的类，这个可视化软件能应用于海洋学、生物、医学 等学科，比如医学医生可以选取自己感兴趣的类并重点观察自己感兴趣的类。

对SOM网络进行了详细的介绍，对于学习自组织特征映射网络具有很好的帮助

MATLAB神经网络之SOM神经网络的数据分类--柴油机故障诊断.zip

MATLAB源程序17 SOM神经网络的数据分类--柴油机故障诊断.zip

som聚类的一个实际应用例子，对鱼的种类进行聚类区分

前言动笔写这个支持向量机(support vector machine)是费了不少劲和困难的，原因很简单，一者这个东西本身就并不好懂，要深入学习和研究下去需花费

提出了一种采用改进的SOM神经网络对矿井突水水源进行判别的方法。该方法把水质中的Na+、K+、Ca2+、Mg2+、Cl-、SO24-和HCO-3等7种离子的含量作为判断因素,结合改进的SOM神经网络模型,对20个水源样品进行分类。实验结果表明,该方法的误判率为0,能够准确地判别矿井突水水源。