基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘方法研究.pdf

1、從大量的數(shù)據(jù)中提取和挖掘未知的、有效的和可操作的知識(shí)就是數(shù)據(jù)挖掘，它是知識(shí)發(fā)現(xiàn)過(guò)程中的重要步驟。數(shù)據(jù)挖掘能夠發(fā)現(xiàn)未知的知識(shí)，區(qū)別于那些先提出假設(shè)再進(jìn)行驗(yàn)證的數(shù)據(jù)處理方法。挖掘結(jié)果的有效性是指數(shù)據(jù)挖掘的結(jié)果是正確、合理的；挖掘結(jié)果的可操作性是指挖掘的知識(shí)能夠?yàn)闆Q策提供支持。數(shù)據(jù)挖掘越來(lái)越多地受到各界的重視并被廣泛應(yīng)用于各個(gè)領(lǐng)域。 分類技術(shù)是數(shù)據(jù)挖掘中最有應(yīng)用價(jià)值的技術(shù)之一。數(shù)據(jù)分類就是在大量數(shù)據(jù)中找出一組對(duì)象的共同特征，并將數(shù)據(jù)按

2、照分類模型劃分成不同的類的過(guò)程。該模型能夠把數(shù)據(jù)庫(kù)中的元組映射到給定類別集中的某一個(gè)。數(shù)據(jù)分類一般分兩步，建立數(shù)據(jù)模型與使用模型進(jìn)行分類。在使用模型進(jìn)行分類前應(yīng)首先評(píng)估該模型即分類器的預(yù)測(cè)準(zhǔn)確率；如果準(zhǔn)確率可以接受，就可以使用類標(biāo)號(hào)對(duì)未知的數(shù)據(jù)元組或?qū)ο筮M(jìn)行分類。 人工神經(jīng)網(wǎng)絡(luò)是在現(xiàn)代神經(jīng)生物學(xué)研究成果的基礎(chǔ)上發(fā)展起來(lái)的一種模擬人腦信息處理機(jī)制的網(wǎng)絡(luò)系統(tǒng)，它不但具有處理數(shù)值數(shù)據(jù)的一般計(jì)算能力，而且還具有處理知識(shí)的思維、學(xué)習(xí)、記憶

3、能力?；谏窠?jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘過(guò)程由數(shù)據(jù)準(zhǔn)備、規(guī)則提取和規(guī)則評(píng)估三個(gè)階段組成。本文研究了教學(xué)型和分解型規(guī)則抽取算法，在分析了RX分解型算法后，利用關(guān)聯(lián)法對(duì)輸入輸出神經(jīng)元進(jìn)行關(guān)聯(lián)計(jì)算，按關(guān)聯(lián)度排完序之后，用RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行結(jié)點(diǎn)選擇，這樣可以大大減少神經(jīng)網(wǎng)絡(luò)的輸入結(jié)點(diǎn)個(gè)數(shù)，簡(jiǎn)化網(wǎng)絡(luò)結(jié)構(gòu)，減少子網(wǎng)的遞歸分裂次數(shù)，提高計(jì)算效率。最后，通過(guò)兩個(gè)UCI數(shù)據(jù)集中數(shù)據(jù)的驗(yàn)證，表明了該方法的有效性。由于目前還沒(méi)有任何一種分類方法對(duì)所有的分類問(wèn)題都優(yōu)于其他