1.一种基于kohonen神经网络聚类抽样方法,其特征在于,包括如下具体步骤:利用相对误差确定样本总量;
录入数据,并提取属性特征;
根据提取的属性特征进行kononen神经网络聚类,得到各个样本对应的大类;
根据聚类后的样本所在的大类,以及大类的属性特征给予各类不同的样本量;
在各个类别样本量确定之后,与城市数目成比例的分配各类中各个城市所对应的抽样权重,按照权重在各个类别的内部进行分层抽样,获取最后抽样样本。
2.根据权利要求1所述的一种基于kohonen神经网络聚类抽样方法,其特征在于,所述属性特征包括但不限于:出口金额数、出口国家数、出口商品种类数、所在城市。
3.根据权利要求1所述的一种基于kohonen神经网络聚类抽样方法,其特征在于,所述kononen神经网络一种只有输入层--隐藏层的神经网络;隐藏层中的一个节点代表一个需要聚成的类;对于每一个输入单元,对应的仅有一个隐藏层节点在竞争学习的过程中输出,即该节点为这一输入单元所对应的类别。
4.根据权利要求1所述的一种基于kohonen神经网络聚类抽样方法,其特征在于,所述相对误差确定样本总量的具体步骤:
根据抽样理论的相对误差与样本量的关系式:
将公式(1)进行公式的转化得到以下关系式:
最后样本总量确定公式如下: