分享到:

利用模糊神经网络进行数据挖掘的一种算法

研究把模糊神经网络结合进数据挖掘的方法 .经过模糊神经网络的建立、训练达到精度要求、  (本文共6页) 阅读全文>>

天津大学
天津大学

基于粗糙集和模糊神经网络的数据挖掘方法研究

数据库技术和Internet的发展使得收集和存储海量数据成为可能。面对越来越多迅速膨胀的数据,人们往往无从着手去理解数据中包含的信息,更难以获得有价值的知识,从而面临着“数据丰富,知识贫乏”的局面。传统的信息处理技术已经不能很好地满足实际应用的需求,人们迫切需要具有更强能力和更高效率的信息处理技术,从大量数据中发现感兴趣的知识,从而指导决策。数据挖掘技术就是在这种应用背景下产生的。数据挖掘技术是解决数据丰富而知识贫乏的有效途径,当属信息科学领域的前沿研究课题之一,有关的研究和应用极大提高了决策支持的能力,已被公认为是数据库研究中一个极富有应用前景的领域。粗糙集是一种处理模糊和不确定性数据的工具,因而成为数据挖掘中的重要框架。知识约简是粗集理论的核心内容,数据经过约简后更有价值,更能准确的获取知识。将粗糙集应用于数据挖掘领域,能提高对大型数据库中的不完整数据进行分析和学习的能力,具有广泛的应用前景和实用价值。属性约简是粗糙集理论中...  (本文共67页) 本文目录 | 阅读全文>>

华北理工大学
华北理工大学

基于时滞时间挖掘的自适应模糊控制器的设计

时滞现象是一种时间上的延迟,是一种普遍存在于我们的日常生活、工业生产和科学研究中现象,其研究是当前控制界的一个热门课题之一,更是控制理论应用的一个重要领域。通过分析控制对象的输入输出特性,以数据挖掘技术为基础,进行了被控对象时滞时间及惯性参数的挖掘;同时,以挖掘参数为依据,进行了模糊控制器及自适应模糊控制器的设计。首先,进行了数据采集准备,通过对不同时滞参数的一阶时滞控制对象进行控制,并采集参数,进行了时滞控制对象的数据采集;其次,设计参照曲线并求挖掘曲线的相似度。以相似度为输入,控制对象参数为输出,设计模糊神经网络进行时滞参数及控制对象参数的挖掘;然后,运用蚁群算法,判断变时滞控制对象的时滞时间变化点,进行变时滞参数的挖掘模型的建立;运用二倍体遗传算法进行时滞系统和变时滞系统的模糊控制器的设计,其中变时滞系统时滞参数的变化以干扰处理,求其pareto最优解集;最后,通过对变时滞系统的时滞变化分析,设计了自适应模糊控制器,实现控...  (本文共76页) 本文目录 | 阅读全文>>

北京化工大学
北京化工大学

基于模糊神经网络的数据挖掘与控制规则提取

数据挖掘就是通过处理数据库系统中储存的数据来获取未知的、有用的知识的过程,是一个富有无限生机和广阔应用前景的数据智能技术。到目前为止,数据挖掘还不存在一个普遍适用的算法,许多数据挖掘方法都是基于各自的角度,针对具体目标和应用对象而设计。本文面向于工业控制技术的应用,将模糊神经网络智能技术与数据挖掘方法相结合,研究控制规则的挖掘和提取。传统 BP 算法收敛速度慢,为改善 BP 算法的性能,本文探讨了一种两阶段混合学习算法,把传统计算中的构造方法引入神经网络学习,实际上是把神经网络计算同传统计算结合起来,相互取长补短。将神经网络学习看成是依据训练数据构造网络的过程,首先根据非监督学习算法直接构造出网络的结构,包括隐层节点的数目,以及各个节点的参数(权、阈值等),然后采用监督学习算法来优化网络参数。实验证明这种反向传播的学习收敛速度优于一般的反向传播学习算法,其原因是第一阶段的自组织学习过程已经预先完成了一些学习工作,从而提高了学习速...  (本文共72页) 本文目录 | 阅读全文>>

西安电子科技大学
西安电子科技大学

KDD中的几个关键问题研究

I摘 要数据库中的知识发现(Knowledge Discovery in Database,KDD)是在应用需求的背景下产生并迅速发展起来的、开发信息资源的一套科学方法、算法及软件工具和环境,是集统计学、人工智能、模式识别、并行计算、机器学习、数据库等技术的一个交叉性的研究领域。KDD 是识别有效的、新颖的、具有潜在用处的可理解的数据模式的过程。一般地,KDD 由数据清理、数据集成、数据选择、数据变换、数据挖掘、模式(型)评估、知识表示等过程组成。KDD 有三个重要的环节,即数据预处理、数据挖掘和结果可视化。本文在详细分析国内外 KDD 研究现状的基础上,借鉴生物进化、计算智能、关系代数、petri 网等概念与理论,提出了基于自适应聚类、模糊聚类进行数据预处理的算法;基于关系代数和自适应混合算法集成的关联规则挖掘算法、泛化关联规则挖掘算法;分析了分类挖掘机理及文本分类与降维技术;针对现有的数据挖掘结果的可视化理...  (本文共154页) 本文目录 | 阅读全文>>

天津大学
天津大学

基于模糊逻辑和神经网络的数据及文本挖掘的方法研究

数据挖掘和文本挖掘是当前信息技术中的一个重要研究领域;将模糊逻辑理论应用于数据及文本挖掘方法研究,具有较大的理论意义和实用价值。本文研究了基于模糊逻辑和神经网络的数据挖掘和文本挖掘方法,所做主要工作内容包括:采用自组织特征映射(SOFM)网络来自动确定样本数据隶属函数,并根据相似性的概念,给出了相似度的计算公式,结合Apriori算法,提出了一种挖掘模糊相似关联规则的新算法。针对传统的模糊聚类需要预先确定聚类数的问题,提出一种新的动态模糊聚类的方法。该方法采用动态自组织映射神经网络来确定聚类数,并通过文本向量空间模型和TF?IDF方法来确定文本的特征向量,再将动态自组织映射神经网络得到的聚类数,用模糊C均值算法(FCM)函数处理,得到聚类的结果。本算法具有聚类精度高的优点,模糊聚类更适合处理语义的多样性和文本归属的模糊性的问题。提出了一种新的动态模糊自组织神经网络模型(DFKCN),并将其用于文本聚类中。针对传统模糊自组织神经网...  (本文共116页) 本文目录 | 阅读全文>>