| 【中文题名】 | 神经网络在数据挖掘中的应用研究 |
| 【英文题名】 | A Study in Applications of Neural Network in Data Mining |
| 【学科专业】 | 控制理论与控制工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2005-7-14 |
| 【中关键词】 | 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 |
| 【英关键词】 | Neural Network,Data Mining,Fuzzy Adaptive Resonance Theory,K- Nearest Neighbor,BP Neural Network,Multi-dimensional Time Series,Symbolization, |
| 【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,神经网络处理这些数据具有一定的优势。同时在神经网络学习过程中,需要大量的数据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据挖掘方法。
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,在这一研究方向上目前已提出了多种分类方法,K—最邻近分类方法是其中典型的一种。面对大规模、高维的数据,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一。本文在研究了Fuzzy ART(模糊自适应)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Fuzzy ART聚类算法与BP神经网络的权值调整相融合改进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同的权重,不仅保证了Fuzzy ART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... |
| 【论文题纲】 |
|
第一章 绪论 |
7-13 |
|
§1-1 数据挖掘技术研究与发展 |
7-12 |
|
1-1-1 人工智能(Artificial Intelligence) |
7-8 |
|
1-1-2 神经网络 |
8-10 |
|
1-1-3 数据挖掘技术 |
10-11 |
|
1-1-4 研究背景与研究意义 |
11-12 |
|
§1-2 本文的主要工作及创新点 |
12-13 |
|
第二章 数据挖掘(DM)技术分析 |
13-19 |
|
§2-1 数据挖掘的定义与工作流程 |
13-14 |
|
§2-2 数据挖掘的常用算法 |
14-16 |
|
§2-3 数据挖掘的任务和实现技术 |
16-18 |
|
§2-4 数据挖掘的应用 |
18-19 |
|
第三章 Fuzzy ART神经网络实现数据挖掘中的聚类 |
19-26 |
|
§3-1 神经网络的定义域数据挖掘中的常用模型 |
19-20 |
|
§3-2 关于模糊聚类 |
20-21 |
|
§3-3 Fuzzy ART聚类模糊神经网络 |
21-26 |
|
3-3-1 Fuzzy ART实现步骤 |
22-24 |
|
3-3-2 算法的机理分析 |
24-26 |
|
第四章 基于Fuzzy art的K最近邻分类改进算法 |
26-34 |
|
§4-1 K最近邻算法简介 |
26-27 |
|
§4-2 K最近邻改进算法 |
27-30 |
|
4-2-1 训练样本集的编辑和压缩 |
27-28 |
|
4-2-2 属性权值的调整 |
28-30 |
|
§4-3 一种新的K-最近邻混合分类算法 |
30-31 |
|
4-3-1 基于神经网络的属性权重调整 |
31 |
|
4-3-2 Fuzzy ART聚类算法对训练样本聚类 |
31 |
|
§4-4 仿真实验 |
31-33 |
|
§4-5 小结 |
33-34 |
|
第五章 基于Fuzzy art的多维离散时间序列符号化 |
34-41 |
|
§5-1 时间序列的数据挖掘 |
34 |
|
§5-2 时间序列的符号化 |
34-35 |
|
§5-3 聚类分析 |
35 |
|
§5-4 用Fuzzy ART聚类算法对黄鹤山隧道多维交通流时间序列符号化 |
35-40 |
|
5-4-1 数据介绍与选择 |
35-36 |
|
5-4-2 交通流数据的预处理(属性相关分析) |
36-37 |
|
5-4-3 Fuzzy ART网络聚类交通流数据 |
37-39 |
|
5-4-4 交通流数据的符号化 |
39 |
|
5-4-5 检验实验结果 |
39-40 |
|
§5-5 本章小结 |
40-41 |
|
结论 |
41-42 |
|
参考文献 |
42-46 |
|
致谢 |
46-47 |
|
攻读硕士学位期间所取得的相关科研成果 |
47 |
|
| 【DOI】 | LunWen.ID:2.2008.387369 |
