運用SOM聚類方法對我國部分上市房地產企業(yè)的盈利能力進行了分析,將30家企業(yè)的盈利能力劃分為強、中、一般、弱四個類別,對促進我國房地產企業(yè)提高運營效益具有積極的意義. 

【文章來源】：江蘇建筑職業(yè)技術學院學報. 2020,20(03)

【文章頁數(shù)】：4 頁

【部分圖文】：

SOM網絡結構示意

輸出層4個神經元的連接權值如圖5所示,顏色越淺,代表權重越小,顏色越深,代表權重越大.從圖5可知,二類與三類的連接權值較大,其次是三類與四類,一類與二類的連接權值較小.圖4 樣本聚類結果

樣本聚類結果

【參考文獻】：
期刊論文
[1]基于SOM網絡的帶式輸送機齒輪箱混合故障診斷研究[J]. 袁慧娟,陳興隆.  煤礦機械. 2020(05)
[2]基于SOM神經網絡的網絡輿情信息分類模型[J]. 胡欣杰,路川,齊斌.  兵器裝備工程學報. 2019(03)
[3]基于SOM神經網絡的岸橋起升電機狀態(tài)聚類分析[J]. 唐剛,姚小強,胡雄.  東華大學學報(自然科學版). 2018(04)
[4]基于SOM的真空斷路器機械故障診斷[J]. 劉艷,陳麗安.  電工技術學報. 2017(05)
[5]基于自組織特征映射網絡（SOM）的聚類分析方法[J]. 劉煥海,葉劍鋒,阿斯耶姆.  軟件導刊. 2016(12)
[6]基于SOM神經網絡聚類的空調負荷聚合方法[J]. 許雅婧,黃小慶,曹一家,張志丹,戴麗麗.  電力系統(tǒng)及其自動化學報. 2015(11)



本文編號：3227127