Java Neuroph 框架和 GPS 数据聚类

Question

我有一组 GPS 坐标，必须对它们进行聚类。对于这个任务，我必须使用神经网络和 Java 语言。我对神经网络完全陌生，所以我发现了一个名为 Neuroph 的框架。据我研究后了解，我必须使用多层感知器 (MLP) ir 径向基函数 (RBF) 神经网络来完成我的任务。
确定我有多少个集群不是问题。问题是，如何让神经网络显示必须在哪个集群位置？

样本数据：
CLUSTER1
54.930225, 23.867619
54.930204, 23.867532
54.930258, 23.86754

CLUSTER2
54.920432, 23.901341
54.920323, 23.901263
54.920187, 23.901156
54.92022, 23.9013

CLUSTER3
54.900466, 23.856597
54.900499, 23.85644
54.900452, 23.85651

我将这些数据用于神经网络进行学习。我的设置是这样的：
多层感知器，2 个输入神经元，2 个隐藏神经元，1 个输出神经元。
或
径向基函数，2 个输入神经元，2 个隐藏神经元，1 个输出神经元。
这是我的训练集：

+------------+------------+---+
| 54.930225 | 23.867619 | 1 |
| 54.930204 | 23.867532 | 1 |
| 54.930258 | 23.86754 | 1 |
| 54.920432 | 23.901341 | 2 |
| 54.920323 | 23.901263 | 2 |
| 54.920187 | 23.901156 | 2 |
| 54.92022 | 23.9013 | 2 |
| 54.900466 | 23.856597 | 3 |
| 54.900499 | 23.85644 | 3 |
| 54.900452 | 23.85651 | 3 |
+-----------+------------+---+

在训练时，我选择最大误差 = 0,01 和学习率 = 0,2。有了这些参数，多层感知器不会停止学习很长时间，所以我将参数更改为 0,2 和 0,5。
学习完成后，我希望设置参数（坐标）并获取这些坐标所属的簇数。在多层感知器中，我总是得到 0,99... 而 ir RBF 我得到 0,9 或 1,9。作为参数，我使用 CLUSTER3 中的最后一个坐标。
我是否遗漏了什么，或者我仍然不明白神经网络应该如何工作？有人可以帮帮我吗？

Answer 1

您可以将类的数量转换为更易于神经网络预测的形式。代替数字 1-3 的三列将代表如下问题：

第 1 列：X 坐标

column2：Y坐标

column3:"这个元素来自第 1 类吗？"并回答 0（否）1（是）

column4:"这个元素来自第 2 类吗？"并回答 0（否）1（是）

column5:"这个元素来自第 3 类吗？"并回答 0（否）1（是）

+-----------+-----------+---+---+---+
| 54.930225 | 23.867619 | 1 | 0 | 0 |
| 54.920432 | 23.901341 | 0 | 1 | 0 |
...

这样做你当然必须将输出神经元的数量更改为 3。 我认为这会做你想要完成的事情。

如果我答对了您问题的第二部分。如果你得到像 0.99 这样的答案，你应该把它们四舍五入。