利用遮罩法提升自組映射圖訓練效率

Abstract

在資料探勘的演算法中，由Kohonen 所提 出的非監督式類神經訓練演算法：自組映射 圖，可以將高維度的資料投射到低維度的空間 上，同時保留資料在高維空間的相對關係，因 此在降低資料複雜度方面有許多應用。特別是 投射到二維平面空間時，可以成為一種良好的 視覺化互動式分群技術。然而，自組映射圖在 處理大量資料時，卻有著沉重的運算效率問 題。本研究提出應用遮罩法技術的自組映射 圖，透過限制訓練階段尋找最適配神經元的範 圍，在不降低分群精確度前提下，提升自組映 射圖的訓練速度。本研究分別針對不同遮罩啟 動門檻、不同維度、資料筆數、神經元個數及 不同資料集進行提升速度之實驗，其結果證實 速度提升率與資料維度呈線性正相關、與資料 筆數、神經元個數無顯著差異，且能在不影響 分群效果的條件下提升效率。