神经网络在数据挖掘中的应用研究

《神经网络在数据挖掘中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、}．IJL_r业人一学帧卜孚{0论0神经网络在数据挖掘中的应用研究摘要数据挖掘中的数据样本往往是一些带有噪声的、非线性的、杂乱的数据，神经嘲络处理这些数掘具有一定的优势。同时在神经网络学习过程中，需要大量的数掘以产生充足的训练和测试模式集，这又恰恰是建立在数据仓库或大型数据库上的数据挖掘所能提供的。鉴于数据挖掘与神经网络两者的优势互补，本文提出并研究了采用神经网络技术进行数抓挖掘方法。数据分类与预测作为一种重要的挖掘技术有着广泛的应用，在这一研究方向上嗣前已提出了多种分类方法，K一最邻近分类方法是其中典型的一种。面对大规模、高维的

2、数抛，如何建立有效的，可扩展的分类数据挖掘算法是数据挖掘研究的重要方向之～。本文在研究了FuzzyART(模糊自适癍)聚类神经网络和BP神经网络的基础上，提出了一种改进的K最近邻分类算法．将FuzzyART聚类算法与BP神经弼络的权俊调整相融合改进K-最近邻分类技术．由于减小了训练集的数据量和去除了噪声数据。因此有效的降低了算法的运算量同时提高了预测精度。同时由于用神经网络对各个属性赋予不

3、司的权熏，不仅保证了FuzzyART聚类算法的准确性，而且提高了K．最近邻的分类预测精度。针对多维离散时间序列的数据挖掘需要将数据转换为符号序

4、列，本文提出了一个简单高效的多维离散时间序列符号化的方法，该方法月模糊自适斑共振理论(FuzzyART)对时问序列进行聚类，实现离散时间序列的符号化；同时，通过属性相关性分析，忽略无相关或相关性小的属性，保证了聚类算法的精确度，为更好的实现数据挖掘做好准备。最后，通过对黄鹤山隧道交通流进行符号化实验，验证算法。以上二种算{去．均经过Matlab仿真实验验证算法的有效性。关键词：神经网络，．数据挖掘，模糊自适应共振理论，K最近邻分类，BP神经网络，多维离散时间序列，符号化2筌篁垡釜鍪篓兰塑主塑：兰璺型：iAStudyinApplic

5、ationsofNeuralNetworkinDataMiningn地datainDataMiningisoftennoisy,non·linearandunorderly。NeuralNetworkhastheadvantagetoprocessthesedata．Atthesametime，NeuralNetwork’sprocessingneedagreatdealofdatawhichisusedforproducingsufficientlearningandtestsetinordertolearnandevaluat

6、eeffectivelytheperformanceofNeuralNetwork．Thedatamentionedabovecouldbeprovidedbythedamml’ning，whichisbasedonthedatawarehouseorbigdatabase．Basedontheirownadvantagesandthecooperationwithmanyothertechnologies,aStudyinApplicationsofNeuralNetworkinDataMiningistakenout．Data

7、classificationandprediction戤importantminingtechnologiesandhavebeenusedwidely．Nowadays，manyclassificationmethodsandsomepredictiontechnologieshavebeenputforward．K-NearestNeighbor(K-NN)Classifiersisatypicalone．Facingthemassivevolumeandhi曲dimensionaldata,howtobuildeffecti

8、vea耐scalablealgorithmfordataminingisoneofresearchdirectionsofdatamining．nIispaperimplementedanimprovedK-NearestNeighboralgorithminwhichFuzzyAdaptiveReson翻∽enleory(FuzzyART)andBPNeuralNetworkareappliedinK-NNclassificationtomakeanewatgodthm．FuzzyARTclusteringiscarriedou

9、ttoselectthesubsetofthetrainingsetandBPneuralnetworkcalcllla能dtheattribute’sweight．whichcanreducethevolumeofthetrainingsetan