基于SOM網(wǎng)絡(luò)的城市分類探討及實(shí)證分析
時(shí)間：
相翔1由 分享
摘要：科學(xué)的城市分類不僅便于我們對(duì)各個(gè)城市的發(fā)展進(jìn)行評(píng)估，并且為我們制定城市的發(fā)展決策提供了依據(jù)。而基于人工神經(jīng)網(wǎng)絡(luò)（ANN）的自組織特征映射網(wǎng)絡(luò)（SOM）具有強(qiáng)大的聚類功能。文章探討了SOM網(wǎng)絡(luò)在城市分類方面的應(yīng)用，并利用MATLAB軟件，對(duì)山東省各地級(jí)市城市進(jìn)行了實(shí)證分析，從而指出了SOM網(wǎng)絡(luò)在城市分類方面的優(yōu)缺點(diǎn)及意義。
關(guān)鍵詞：人工神經(jīng)網(wǎng)絡(luò)；SOM；城市分類
一、引言
城市分類不僅便于我們對(duì)各個(gè)城市的發(fā)展進(jìn)行評(píng)估，并且為我們制定城市的發(fā)展決策提供了依據(jù)。然而，如何能夠進(jìn)行科學(xué)的城市分類一直備受關(guān)注。而基于近些年來人工神經(jīng)網(wǎng)絡(luò)的飛速發(fā)展，它幫助我們解決了許多棘手的難題，其中的自組織特征映射網(wǎng)絡(luò)（SOM）具有強(qiáng)大的聚類功能，利用它可以幫助我們根據(jù)各個(gè)城市的特點(diǎn)從而進(jìn)行科學(xué)分類，為加速我國城市的發(fā)展和城鎮(zhèn)化建設(shè)有著重要的意義。2005年吳聘奇、黃民生利用SOM網(wǎng)絡(luò)對(duì)福建省城市進(jìn)行了職能分類，同年，劉耀彬、宋學(xué)鋒又基于SOM人工神經(jīng)網(wǎng)絡(luò)對(duì)長江三角洲地區(qū)城市職能分類做了研究。從而可見，基于人工神經(jīng)網(wǎng)絡(luò)的自組織特征映射網(wǎng)絡(luò)（SOM）在城市的分類問題確實(shí)可以發(fā)揮強(qiáng)大的作用。
評(píng)價(jià)一個(gè)城市的各個(gè)行業(yè)的發(fā)展，有許多指標(biāo)。其中行業(yè)就業(yè)人口是評(píng)價(jià)一個(gè)城市該行業(yè)的發(fā)展的基礎(chǔ)指標(biāo)。本文對(duì)山東地區(qū)城市的分類實(shí)證分析中，對(duì)各個(gè)城市的各行業(yè)就業(yè)人口數(shù)量進(jìn)行了采集，其中包括農(nóng)林牧漁業(yè)，采礦業(yè)，制造業(yè)，電力、煤氣及水的生產(chǎn)和供應(yīng)業(yè)，建筑業(yè)，交通運(yùn)輸、倉儲(chǔ)和郵政業(yè)，信息傳輸、計(jì)算機(jī)服務(wù)和軟件業(yè)，批發(fā)和零售業(yè)，房地產(chǎn)業(yè)，住宿和餐飲業(yè)，金融業(yè)，租賃和商務(wù)服務(wù)業(yè)，水利、環(huán)境和公共設(shè)施管理業(yè)，居民服務(wù)和其他服務(wù)業(yè)，教育，科學(xué)研究、技術(shù)服務(wù)和地質(zhì)勘查業(yè)，衛(wèi)生、社會(huì)保障和社會(huì)福利業(yè)，文化、體育和娛樂業(yè)，公共管理和社會(huì)組織等19個(gè)行業(yè)的從業(yè)人員數(shù)。然后，通過MATLAB軟件進(jìn)行編程構(gòu)建，成功地將山東省的17個(gè)城市進(jìn)行了分類，從而說明了SOM網(wǎng)絡(luò)在城市分類方面的確有優(yōu)于其他傳統(tǒng)方法的優(yōu)點(diǎn)。
二、SOM網(wǎng)絡(luò)的基本原理
?。ㄒ唬㏒OM網(wǎng)絡(luò)簡介
自組織特征映射網(wǎng)絡(luò)也稱Kohonen 網(wǎng)絡(luò)，或者稱為Self - Orgnizing Feature Map（ SOM） 網(wǎng)絡(luò)，它是由芬蘭學(xué)者Teuvo Kohonen于1981年提出的。該網(wǎng)絡(luò)是一個(gè)由全連接的神經(jīng)元陣列組成的無教師自組織、自學(xué)習(xí)網(wǎng)絡(luò)。Kohonen認(rèn)為，處于空間中不同區(qū)域的神經(jīng)元有不同的分工，當(dāng)一個(gè)神經(jīng)網(wǎng)絡(luò)接受外界輸入模式時(shí)，將會(huì)分成不同的反應(yīng)區(qū)域，各區(qū)域?qū)斎肽Ｊ骄哂胁煌捻憫?yīng)特征。
SOM網(wǎng)絡(luò)的一個(gè)典型特征就是可以在一維或二維的處理單元陣列上，形成輸入信號(hào)的特征拓?fù)浞植?，因此SOM網(wǎng)絡(luò)具有抽取輸入信號(hào)模式特征的能力。SOM網(wǎng)絡(luò)一般只包含有一維陣列和二維陣列，但也可以推廣到多維處理單元陣列中去。
（二）SOM網(wǎng)絡(luò)學(xué)習(xí)算法
1、初始化。對(duì)N個(gè)輸入神經(jīng)元到輸出神經(jīng)元的連接權(quán)值賦予較小的權(quán)值。選取輸出神經(jīng)元j個(gè)“鄰接神經(jīng)元”的集合Sj。其中Sj(0)，表示時(shí)刻t=0的神經(jīng)元j的“鄰接神經(jīng)元”的集合，Sj(t)表示時(shí)刻t的“鄰接神經(jīng)元”的集合。區(qū)域Sj(t)隨著時(shí)間的增長而不斷縮小。
2、提供新的輸入模式X。
4、給出一個(gè)周圍的鄰域Sk(t)。
7、提供新的學(xué)習(xí)樣本來重復(fù)上述學(xué)習(xí)過程。
三、基于SOM網(wǎng)絡(luò)的城市分類實(shí)證分析
城市分類可以便于我們了解各個(gè)城市的發(fā)展?fàn)顩r，從而為我們制訂城市的發(fā)展決策提供依據(jù)。現(xiàn)在人工神經(jīng)網(wǎng)絡(luò)已經(jīng)得到了很大的發(fā)展，它為我們研究此類問題提供了一種新的工具和思路。所以基于這個(gè)問題，我們嘗試?yán)肧OM網(wǎng)絡(luò)來進(jìn)行城市分類。SOM網(wǎng)絡(luò)是一種具有聚類功能的神經(jīng)網(wǎng)絡(luò)，并且它是無教師訓(xùn)練方式，我們只需要采集輸入樣本，而不必如入目標(biāo)值就可以得到我們想要的結(jié)果，可見SOM網(wǎng)絡(luò)使用也十分方便。
?。ㄒ唬┚W(wǎng)絡(luò)樣本設(shè)計(jì)
從山東省統(tǒng)計(jì)局網(wǎng)站，我們得到了山東省17個(gè)地級(jí)市城市的樣本。從中我們看出，原始指標(biāo)數(shù)據(jù)波動(dòng)較大，而一般來說，神經(jīng)元的輸出函數(shù)在0-1之間最為靈敏，為了提高訓(xùn)練的效率，所以要把數(shù)據(jù)進(jìn)行歸一化處理。歸一化處理方法為：找出每個(gè)指標(biāo)數(shù)據(jù)中的最大和最小值，利用（x-min）/（max-min）公式把所有數(shù)據(jù)歸一化為0到1之間的數(shù)。
?。ǘ┚W(wǎng)絡(luò)設(shè)計(jì)
本文利用MATLAB R2008進(jìn)行編程構(gòu)建。確定網(wǎng)絡(luò)的輸入模式為：
Pk=(P1k,P2k,…pkn) ，k=1,2,…17,n=19
即一共有17組城市樣本向量，每個(gè)樣本中包括19個(gè)元素。
1、首先利用函數(shù)newsom創(chuàng)建一個(gè)SOM網(wǎng)絡(luò)。根據(jù)實(shí)際情況本文創(chuàng)建網(wǎng)絡(luò)的競爭層分別選用3、4、5、6層的結(jié)構(gòu)。然后經(jīng)過實(shí)驗(yàn)，分別觀察其性能，從而選取分類效果最好的一組。
2、利用函數(shù)train和仿真函數(shù)sim對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練并仿真。仿真的步數(shù)大小同樣影響網(wǎng)絡(luò)的聚類性能，這里我們?cè)O(shè)置步數(shù)為1000。
最后經(jīng)過分類結(jié)果如表1所示。
?。ㄈ?shí)驗(yàn)結(jié)果分析
最后經(jīng)過分析篩選，發(fā)現(xiàn)當(dāng)這17個(gè)城市被劃分為6類時(shí)和現(xiàn)實(shí)情況較為符合。分類情況如表2所示。
第一類：從表中看出，濟(jì)南和青島被歸為了一類，并且在分類數(shù)為3、4、5、6時(shí)，濟(jì)南和青島都被列為了一類。從表中我們可以看到濟(jì)南、青島在各方面都優(yōu)于其他城市，尤其是制造業(yè)、教育、以及公共管理和社會(huì)組織方面。濟(jì)南是山東省省會(huì)，是全省、文化、經(jīng)濟(jì)，金融，教育中心，也是國家批準(zhǔn)的沿海開放城市和十五個(gè)副省級(jí)城市之一。青島是全國70個(gè)大中城市之一，全國五個(gè)計(jì)劃單列市之一。工業(yè)有紡織、機(jī)車車輛、機(jī)械、化學(xué)、石油化工、鋼鐵、橡膠、家用電器、啤酒、卷煙等。有馳名中外的青島啤酒、海爾集團(tuán)、海信集團(tuán)等大企業(yè)集團(tuán)。并且，二者都有豐富的教育資源，全省大多高校均聚集在此。
第二類：淄博、泰安、德州、聊城在發(fā)展方面，各個(gè)方面較為均衡，沒有特別顯著的特點(diǎn)。四者的制造業(yè)、建筑業(yè)和教育大約位于全省中間地位。
第三類：棗莊、東營屬特殊職能類型城市。兩個(gè)城市相對(duì)其他城市來說，采礦業(yè)較為發(fā)達(dá)。棗莊境內(nèi)已探明地下礦藏36種：煤、鐵、銅、鋁、金、銀、鍶（天青石）、石膏、螢石、水泥原料灰?guī)r等。其中煤、石膏地質(zhì)儲(chǔ)量為15.4億噸和4.1億噸。而東營又稱“石油之城”，豐富的石油、天然氣資源。但是，兩個(gè)城市的制造業(yè)相對(duì)薄弱，其他產(chǎn)業(yè)大約處于平均水平。
第四類：煙臺(tái)在此被單獨(dú)分成了一類，其具有自身的特色，并且發(fā)展?jié)摿薮?。煙臺(tái)的制造業(yè)和交通運(yùn)輸業(yè)位于全省前列。煙臺(tái)的工業(yè)主要以造船、輕紡、機(jī)械、建材、電子、冶金、醫(yī)藥等行業(yè)為主，并且還有張?jiān)Ｆ咸丫?、三環(huán)鎖等煙臺(tái)的傳統(tǒng)產(chǎn)品。近年來，錦綸、白卡紙、電子網(wǎng)目板等技術(shù)水平較高的項(xiàng)目相繼投產(chǎn)。煙臺(tái)在地理位置上東連，西接濰坊，西南與毗鄰，北瀕、，與對(duì)峙，并與隔海相望，共同形成拱衛(wèi)首都的海上門戶。所以，煙臺(tái)的交通運(yùn)輸業(yè)較為發(fā)達(dá)。另外，煙臺(tái)的招遠(yuǎn)金礦為煙臺(tái)采礦業(yè)也提供了大量了就業(yè)機(jī)會(huì)。
第五類：濰坊、臨沂、濟(jì)寧和菏澤在教育和公共管理和社會(huì)組織方面處于全省前列地位，其他方面稍稍遜色一些。
第六類：威海、日照、萊蕪、濱州這四個(gè)城市各個(gè)方面表現(xiàn)均不太突出，但是，這些城市的發(fā)展?jié)摿艽蟆Ｍ?、日照屬沿海城市，交通便利，可以重點(diǎn)發(fā)展交通運(yùn)輸業(yè)。萊蕪、濱州雖地處內(nèi)陸，但也可依附內(nèi)陸的經(jīng)濟(jì)中心——濟(jì)南來發(fā)揮特色經(jīng)濟(jì)。
四、結(jié)論
通過本文的研究，可以看出利用SOM網(wǎng)絡(luò)基本可以完成城市的分類研究，并且可以調(diào)整分類類別，來滿足不同的需要。但是，SOM的分類還不夠精確，這主要是采集數(shù)據(jù)的不完備性。因?yàn)樾畔⒌牟煌耆?，使SOM的聚類功能并未發(fā)揮極致。但是，利用SOM網(wǎng)絡(luò)，操作過程較傳統(tǒng)方法方便很多，只需收集數(shù)據(jù)，將其輸入網(wǎng)絡(luò)，網(wǎng)絡(luò)就能自行進(jìn)行學(xué)習(xí)、訓(xùn)練，并且是無教師學(xué)習(xí)方式，不必輸入目標(biāo)值，這些優(yōu)點(diǎn)都是許多其他方法不能比擬的，相信隨著采集數(shù)據(jù)的完備性和精確性，這種方法在城市分類方面可以得到廣泛的應(yīng)用和推廣。
參考文獻(xiàn)：
1、神經(jīng)網(wǎng)絡(luò)理論與MATLAB R2007實(shí)現(xiàn)[M].電子工業(yè)出版社,2008.
2、吳聘奇,黃民生.SOM網(wǎng)絡(luò)在福建省城市職能分類中的應(yīng)用[J].經(jīng)濟(jì)地理,2005(1).
關(guān)鍵詞：人工神經(jīng)網(wǎng)絡(luò)；SOM；城市分類
一、引言
城市分類不僅便于我們對(duì)各個(gè)城市的發(fā)展進(jìn)行評(píng)估，并且為我們制定城市的發(fā)展決策提供了依據(jù)。然而，如何能夠進(jìn)行科學(xué)的城市分類一直備受關(guān)注。而基于近些年來人工神經(jīng)網(wǎng)絡(luò)的飛速發(fā)展，它幫助我們解決了許多棘手的難題，其中的自組織特征映射網(wǎng)絡(luò)（SOM）具有強(qiáng)大的聚類功能，利用它可以幫助我們根據(jù)各個(gè)城市的特點(diǎn)從而進(jìn)行科學(xué)分類，為加速我國城市的發(fā)展和城鎮(zhèn)化建設(shè)有著重要的意義。2005年吳聘奇、黃民生利用SOM網(wǎng)絡(luò)對(duì)福建省城市進(jìn)行了職能分類，同年，劉耀彬、宋學(xué)鋒又基于SOM人工神經(jīng)網(wǎng)絡(luò)對(duì)長江三角洲地區(qū)城市職能分類做了研究。從而可見，基于人工神經(jīng)網(wǎng)絡(luò)的自組織特征映射網(wǎng)絡(luò)（SOM）在城市的分類問題確實(shí)可以發(fā)揮強(qiáng)大的作用。
評(píng)價(jià)一個(gè)城市的各個(gè)行業(yè)的發(fā)展，有許多指標(biāo)。其中行業(yè)就業(yè)人口是評(píng)價(jià)一個(gè)城市該行業(yè)的發(fā)展的基礎(chǔ)指標(biāo)。本文對(duì)山東地區(qū)城市的分類實(shí)證分析中，對(duì)各個(gè)城市的各行業(yè)就業(yè)人口數(shù)量進(jìn)行了采集，其中包括農(nóng)林牧漁業(yè)，采礦業(yè)，制造業(yè)，電力、煤氣及水的生產(chǎn)和供應(yīng)業(yè)，建筑業(yè)，交通運(yùn)輸、倉儲(chǔ)和郵政業(yè)，信息傳輸、計(jì)算機(jī)服務(wù)和軟件業(yè)，批發(fā)和零售業(yè)，房地產(chǎn)業(yè)，住宿和餐飲業(yè)，金融業(yè)，租賃和商務(wù)服務(wù)業(yè)，水利、環(huán)境和公共設(shè)施管理業(yè)，居民服務(wù)和其他服務(wù)業(yè)，教育，科學(xué)研究、技術(shù)服務(wù)和地質(zhì)勘查業(yè)，衛(wèi)生、社會(huì)保障和社會(huì)福利業(yè)，文化、體育和娛樂業(yè)，公共管理和社會(huì)組織等19個(gè)行業(yè)的從業(yè)人員數(shù)。然后，通過MATLAB軟件進(jìn)行編程構(gòu)建，成功地將山東省的17個(gè)城市進(jìn)行了分類，從而說明了SOM網(wǎng)絡(luò)在城市分類方面的確有優(yōu)于其他傳統(tǒng)方法的優(yōu)點(diǎn)。
二、SOM網(wǎng)絡(luò)的基本原理
?。ㄒ唬㏒OM網(wǎng)絡(luò)簡介
自組織特征映射網(wǎng)絡(luò)也稱Kohonen 網(wǎng)絡(luò)，或者稱為Self - Orgnizing Feature Map（ SOM） 網(wǎng)絡(luò)，它是由芬蘭學(xué)者Teuvo Kohonen于1981年提出的。該網(wǎng)絡(luò)是一個(gè)由全連接的神經(jīng)元陣列組成的無教師自組織、自學(xué)習(xí)網(wǎng)絡(luò)。Kohonen認(rèn)為，處于空間中不同區(qū)域的神經(jīng)元有不同的分工，當(dāng)一個(gè)神經(jīng)網(wǎng)絡(luò)接受外界輸入模式時(shí)，將會(huì)分成不同的反應(yīng)區(qū)域，各區(qū)域?qū)斎肽Ｊ骄哂胁煌捻憫?yīng)特征。
SOM網(wǎng)絡(luò)的一個(gè)典型特征就是可以在一維或二維的處理單元陣列上，形成輸入信號(hào)的特征拓?fù)浞植?，因此SOM網(wǎng)絡(luò)具有抽取輸入信號(hào)模式特征的能力。SOM網(wǎng)絡(luò)一般只包含有一維陣列和二維陣列，但也可以推廣到多維處理單元陣列中去。
（二）SOM網(wǎng)絡(luò)學(xué)習(xí)算法
1、初始化。對(duì)N個(gè)輸入神經(jīng)元到輸出神經(jīng)元的連接權(quán)值賦予較小的權(quán)值。選取輸出神經(jīng)元j個(gè)“鄰接神經(jīng)元”的集合Sj。其中Sj(0)，表示時(shí)刻t=0的神經(jīng)元j的“鄰接神經(jīng)元”的集合，Sj(t)表示時(shí)刻t的“鄰接神經(jīng)元”的集合。區(qū)域Sj(t)隨著時(shí)間的增長而不斷縮小。
2、提供新的輸入模式X。
4、給出一個(gè)周圍的鄰域Sk(t)。
7、提供新的學(xué)習(xí)樣本來重復(fù)上述學(xué)習(xí)過程。
三、基于SOM網(wǎng)絡(luò)的城市分類實(shí)證分析
城市分類可以便于我們了解各個(gè)城市的發(fā)展?fàn)顩r，從而為我們制訂城市的發(fā)展決策提供依據(jù)。現(xiàn)在人工神經(jīng)網(wǎng)絡(luò)已經(jīng)得到了很大的發(fā)展，它為我們研究此類問題提供了一種新的工具和思路。所以基于這個(gè)問題，我們嘗試?yán)肧OM網(wǎng)絡(luò)來進(jìn)行城市分類。SOM網(wǎng)絡(luò)是一種具有聚類功能的神經(jīng)網(wǎng)絡(luò)，并且它是無教師訓(xùn)練方式，我們只需要采集輸入樣本，而不必如入目標(biāo)值就可以得到我們想要的結(jié)果，可見SOM網(wǎng)絡(luò)使用也十分方便。
?。ㄒ唬┚W(wǎng)絡(luò)樣本設(shè)計(jì)
從山東省統(tǒng)計(jì)局網(wǎng)站，我們得到了山東省17個(gè)地級(jí)市城市的樣本。從中我們看出，原始指標(biāo)數(shù)據(jù)波動(dòng)較大，而一般來說，神經(jīng)元的輸出函數(shù)在0-1之間最為靈敏，為了提高訓(xùn)練的效率，所以要把數(shù)據(jù)進(jìn)行歸一化處理。歸一化處理方法為：找出每個(gè)指標(biāo)數(shù)據(jù)中的最大和最小值，利用（x-min）/（max-min）公式把所有數(shù)據(jù)歸一化為0到1之間的數(shù)。
?。ǘ┚W(wǎng)絡(luò)設(shè)計(jì)
本文利用MATLAB R2008進(jìn)行編程構(gòu)建。確定網(wǎng)絡(luò)的輸入模式為：
Pk=(P1k,P2k,…pkn) ，k=1,2,…17,n=19
即一共有17組城市樣本向量，每個(gè)樣本中包括19個(gè)元素。
1、首先利用函數(shù)newsom創(chuàng)建一個(gè)SOM網(wǎng)絡(luò)。根據(jù)實(shí)際情況本文創(chuàng)建網(wǎng)絡(luò)的競爭層分別選用3、4、5、6層的結(jié)構(gòu)。然后經(jīng)過實(shí)驗(yàn)，分別觀察其性能，從而選取分類效果最好的一組。
2、利用函數(shù)train和仿真函數(shù)sim對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練并仿真。仿真的步數(shù)大小同樣影響網(wǎng)絡(luò)的聚類性能，這里我們?cè)O(shè)置步數(shù)為1000。
最后經(jīng)過分類結(jié)果如表1所示。
?。ㄈ?shí)驗(yàn)結(jié)果分析
最后經(jīng)過分析篩選，發(fā)現(xiàn)當(dāng)這17個(gè)城市被劃分為6類時(shí)和現(xiàn)實(shí)情況較為符合。分類情況如表2所示。
第一類：從表中看出，濟(jì)南和青島被歸為了一類，并且在分類數(shù)為3、4、5、6時(shí)，濟(jì)南和青島都被列為了一類。從表中我們可以看到濟(jì)南、青島在各方面都優(yōu)于其他城市，尤其是制造業(yè)、教育、以及公共管理和社會(huì)組織方面。濟(jì)南是山東省省會(huì)，是全省、文化、經(jīng)濟(jì)，金融，教育中心，也是國家批準(zhǔn)的沿海開放城市和十五個(gè)副省級(jí)城市之一。青島是全國70個(gè)大中城市之一，全國五個(gè)計(jì)劃單列市之一。工業(yè)有紡織、機(jī)車車輛、機(jī)械、化學(xué)、石油化工、鋼鐵、橡膠、家用電器、啤酒、卷煙等。有馳名中外的青島啤酒、海爾集團(tuán)、海信集團(tuán)等大企業(yè)集團(tuán)。并且，二者都有豐富的教育資源，全省大多高校均聚集在此。
第二類：淄博、泰安、德州、聊城在發(fā)展方面，各個(gè)方面較為均衡，沒有特別顯著的特點(diǎn)。四者的制造業(yè)、建筑業(yè)和教育大約位于全省中間地位。
第三類：棗莊、東營屬特殊職能類型城市。兩個(gè)城市相對(duì)其他城市來說，采礦業(yè)較為發(fā)達(dá)。棗莊境內(nèi)已探明地下礦藏36種：煤、鐵、銅、鋁、金、銀、鍶（天青石）、石膏、螢石、水泥原料灰?guī)r等。其中煤、石膏地質(zhì)儲(chǔ)量為15.4億噸和4.1億噸。而東營又稱“石油之城”，豐富的石油、天然氣資源。但是，兩個(gè)城市的制造業(yè)相對(duì)薄弱，其他產(chǎn)業(yè)大約處于平均水平。
第四類：煙臺(tái)在此被單獨(dú)分成了一類，其具有自身的特色，并且發(fā)展?jié)摿薮?。煙臺(tái)的制造業(yè)和交通運(yùn)輸業(yè)位于全省前列。煙臺(tái)的工業(yè)主要以造船、輕紡、機(jī)械、建材、電子、冶金、醫(yī)藥等行業(yè)為主，并且還有張?jiān)Ｆ咸丫?、三環(huán)鎖等煙臺(tái)的傳統(tǒng)產(chǎn)品。近年來，錦綸、白卡紙、電子網(wǎng)目板等技術(shù)水平較高的項(xiàng)目相繼投產(chǎn)。煙臺(tái)在地理位置上東連，西接濰坊，西南與毗鄰，北瀕、，與對(duì)峙，并與隔海相望，共同形成拱衛(wèi)首都的海上門戶。所以，煙臺(tái)的交通運(yùn)輸業(yè)較為發(fā)達(dá)。另外，煙臺(tái)的招遠(yuǎn)金礦為煙臺(tái)采礦業(yè)也提供了大量了就業(yè)機(jī)會(huì)。
第五類：濰坊、臨沂、濟(jì)寧和菏澤在教育和公共管理和社會(huì)組織方面處于全省前列地位，其他方面稍稍遜色一些。
第六類：威海、日照、萊蕪、濱州這四個(gè)城市各個(gè)方面表現(xiàn)均不太突出，但是，這些城市的發(fā)展?jié)摿艽蟆Ｍ?、日照屬沿海城市，交通便利，可以重點(diǎn)發(fā)展交通運(yùn)輸業(yè)。萊蕪、濱州雖地處內(nèi)陸，但也可依附內(nèi)陸的經(jīng)濟(jì)中心——濟(jì)南來發(fā)揮特色經(jīng)濟(jì)。
四、結(jié)論
通過本文的研究，可以看出利用SOM網(wǎng)絡(luò)基本可以完成城市的分類研究，并且可以調(diào)整分類類別，來滿足不同的需要。但是，SOM的分類還不夠精確，這主要是采集數(shù)據(jù)的不完備性。因?yàn)樾畔⒌牟煌耆?，使SOM的聚類功能并未發(fā)揮極致。但是，利用SOM網(wǎng)絡(luò)，操作過程較傳統(tǒng)方法方便很多，只需收集數(shù)據(jù)，將其輸入網(wǎng)絡(luò)，網(wǎng)絡(luò)就能自行進(jìn)行學(xué)習(xí)、訓(xùn)練，并且是無教師學(xué)習(xí)方式，不必輸入目標(biāo)值，這些優(yōu)點(diǎn)都是許多其他方法不能比擬的，相信隨著采集數(shù)據(jù)的完備性和精確性，這種方法在城市分類方面可以得到廣泛的應(yīng)用和推廣。
參考文獻(xiàn)：
1、神經(jīng)網(wǎng)絡(luò)理論與MATLAB R2007實(shí)現(xiàn)[M].電子工業(yè)出版社,2008.
2、吳聘奇,黃民生.SOM網(wǎng)絡(luò)在福建省城市職能分類中的應(yīng)用[J].經(jīng)濟(jì)地理,2005(1).