| 【中文题名】 | BP算法并行化及在数据挖掘中的应用研究 |
| 【英文题名】 | The Parallelism and Application in Data Mining of BP Algorithm |
| 【学科专业】 | 计算机系统结构 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2004-4-5 |
| 【中关键词】 | 人工神经网络,BP算法,数据挖掘,并行算法,销售预测, |
| 【英关键词】 | Neural Networks,BP Algorithm,Data Mining,Parallel Algorithm,Sales Prediction, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>> |
| 【论文摘要】 | 数据挖掘是帮助人们在海量数据中发现信息和知识的工具。近年来数据挖掘技术成了商业智能的核心技术，被广泛应用到了诸多领域，引起了学术界极大的关注。数据挖掘是一个决策支持过程，技术基础是人工智能。目前数据挖掘主要利用人工智能中的一些的算法和技术，包括人工神经网络技术等来进行预测、模式识别、分类和聚类分析。本文主要针对神经网络作为数据挖掘的一种手段，在商业行为趋势预测方面的应用研究。
BP(Back Propagation)算法, 即误差反传训练算法，以其良好的非线形映射逼近能力和泛化能力以及易实现性成为人工神经网络应用最广泛的训练算法。但是BP算法也有其明显的缺陷，即训练速度慢、容易陷入局部极值等。通过反复的实验研究和分析发现，通常为了避免初始权值过大，导致训练伊始就使网络处于S型函数的饱和区，使训练陷入局部极小，在选取初始权值的时候，通常选取较小随机数。如果选取的权值范围距离目标极值区域很远，搜索空间越大，目标极值区域越窄，搜索时间就越长，训练速度就越缓慢。针对这种情况，本文提出了首先通过不等量划分权值搜索空间获取全局最小极值区域，在此基础上均衡分配训练样本集进行并行训练的二次并行搜索策略，实验证明这种新的并... |
| 【论文题纲】 |
|
中文摘要 |
3-4 |
|
英文摘要 |
4-7 |
|
1 绪论 |
7-12 |
|
1.1 论文的研究背景及选题意义 |
7-8 |
|
1.2 国内外现状综述 |
8-10 |
|
1.3 论文研究的内容及组织 |
10-12 |
|
2 数据挖掘中的人工神经网络技术 |
12-20 |
|
2.1 数据挖掘技术简介 |
12-16 |
|
2.1.1 数据挖掘的定义 |
12 |
|
2.1.2 数据挖掘的任务及相关技术 |
12-13 |
|
2.1.3 数据挖掘的常用算法 |
13-15 |
|
2.1.4 数据挖掘的应用 |
15-16 |
|
2.2 数据挖掘中人工神经网络的数学模型 |
16-19 |
|
2.2.1 神经网络的定义 |
16-17 |
|
2.2.2 神经网络在数据挖掘中的常用模型 |
17-19 |
|
2.3 小结 |
19-20 |
|
3 BP算法及改进 |
20-29 |
|
3.1 标准BP算法 |
20-23 |
|
3.1.1 BP算法的思想 |
3820-20 |
|
3.1.2 BP算法的数学描述 |
20-23 |
|
3.2 BP算法的不足 |
23-24 |
|
3.3 BP算法的若干改进 |
24-28 |
|
3.4 小结 |
28-29 |
|
4 BP算法的并行化 |
29-44 |
|
4.1 BP算法并行策略 |
29-31 |
|
4.1.1 按层分配神经元 |
29-30 |
|
4.1.2 横向分配神经元 |
30 |
|
4.1.3 按训练集分配神经元 |
30-31 |
|
4.1.4 Systolic阵列并行算法、波前阵列并行算法 |
31 |
|
4.2 二次并行搜索策略 |
31-40 |
|
4.2.1 BP算法的缺陷分析 |
31-32 |
|
4.2.2 界定全局最小极值区域 |
32-34 |
|
4.2.3 二次并行搜索BP算法 |
34-40 |
|
4.3 并行算法的评估分析 |
40-43 |
|
4.3.1 数值实验问题描述 |
40 |
|
4.3.2 并行执行时间 |
40-41 |
|
4.3.3 性能评价 |
41-43 |
|
4.4 小结 |
43-44 |
|
5 神经网络预测模型及实现方法 |
44-50 |
|
5.1 人工神经网络在商业行为趋势预测分析领域的应用 |
44 |
|
5.2 BP网络预测模型 |
44-48 |
|
5.2.1 训练样本的选择与预处理 |
44-46 |
|
5.2.2 网络拓扑结构的确定 |
46-48 |
|
5.3 预测系统及结果分析 |
48-49 |
|
5.3.1 实验环境 |
48 |
|
5.3.2 预测系统设计及结果分析 |
48-49 |
|
5.4 小结 |
49-50 |
|
6 论文的总结 |
50-52 |
|
6.1 论文的主要工作 |
50-51 |
|
6.2 进一步努力的方向 |
51-52 |
|
致 谢 |
52-53 |
|
参考文献 |
53-56 |
|
| 【DOI】 | LunWen.ID:2.2008.387149 |
