【MATLAB深度学习工具箱】学习笔记--鸢尾花聚类Iris Clustering

问题定义

本示例用于说明一个自组织映射神经网络（self-organizing map neural network）如何通过拓扑角度将鸢尾花进行聚类。

每一个鸢尾花采用以下四个特征进行描述：【说明：具体特征含义不是很懂】

• Sepal length in cm

• Sepal width in cm

• Petal length in cm

• Petal width in cm

这是一个聚类问题，根据样本的相似性进行分组。

【说明：之前的几篇文章中的分类问题，待分类项在问题求解之初就已经明确，如螃蟹的公母（2种）、酒的分类（3种）、字母的分类（26种）、数字的分类（10种）。此问题的特点是待形成的分类无法提前知道。】

数据准备

x = iris_dataset;

数据集维度如下所示，x中共包含150组数据，每一组数据为前述的四组特征。

size(x)

ans =
     4   150

采用神经网络进行聚类

selforgmap函数是专门设计的用于自组织分类的函数，通过选择足够多的神经元，可以捕获足够多的细节。

采用8×8的六方网格神经元进行聚类。

net = selforgmap([8 8]);
view(net)

网络如下图所示：

 训练过程如下：

[net,tr] = train(net,x);
nntraintool

得到如下结果：

迭代终止条件为达到了设定的最大迭代次数。

 SOM Topology：SOM拓扑

显示了神经网络的拓扑结构。每一个神经元作为一个分类，邻接的神经元表明是相似的分类。

 SOM Neighbor Connections:SOM邻接关系

 SOM Neighbor Distances:SOM邻接距离

在欧氏距离范数上显示神经元与邻接神经元的距离。颜色越明亮，则说明距离越近。颜色越深，说明距离越远。

 SOM Input Planes:SOM 输入平面 

 SOM Sample Hits:SOM 采样命中

展示了每类花的个数。

 SOM Weight Positions:SOM 权重距离