文献类型：期刊文章

作　　者：王丽敏[1] 梁艳春[1] 韩旭明[1] 时小虎[1] 李明[2]

机构地区：[1]吉林大学计算机科学与技术学院国家教育部符号计算与知识工程重点实验室,长春130012 [2]长春税务学院计算机科学与技术系,长春130117

出　　处：《计算机研究与发展》

基　　金：国家自然科学基金项目(60433020,60673023,10501017);吉林省社会科学基金项目(2007234);吉林省教育厅“十一五”社科项目(2007306);长春税务学院博士基金项目(2007001);长春工业大学科学研究发展基金项目(2007127)~~

年　　份：2008

卷　　号：45

期　　号：9

起止页码：1493-1500

语　　种：中文

收录情况：AJ、BDHX、BDHX2004、CSA-PROQEUST、CSCD、CSCD2011_2012、EI、JST、SCOPUS、ZGKJHX、核心刊

摘　　要：为了增强自组织映射(self-organizing map,SOM)网络的动态竞争和聚类能力,提高解的精度,在无监督的SOM神经网络的基础上,通过拓广获胜节点的数量,改进网络中的邻域函数和连接权函数等方法,提出具有多获胜节点的SOM模型.为了避免多个输入样本映射到同一个输出节点,还提出了禁忌映射的方法.为了验证所提出的方法的有效性,以股票的聚类分析为实例,对该方法进行了检验.通过对每股收益、每股净资产、净资产收益率、每股经营性现金流量及净利润等5项反映上市公司综合盈利能力的财务指标进行了模拟实验,所得的数值结果表明,在标准SOM及所提出的几种多获胜节点SOM网络模型中,具有双获胜节点(SOM with 2 winners,SOM2W)的网络模型获得了最好的聚类效果.结合实验结果对网络模型的进一步分析也表明,SOM2W的聚类能力优于标准SOM及其他网络模型.该模型为股票的分析和选择提供了一种可行的途径,在金融领域具有潜在的应用价值.

关 键 词：多获胜节点SOM网络  动态竞争  聚类 禁忌映射  股票分析

分 类 号：TP18]