基于人工神经网络的时序数据挖掘应用研究-自动化基础-论文之家

您现在的位置：硕士论文 >> 电子论文 >> 自动化 >> 自动化基础 >> 正文

基于人工神经网络的时序数据挖掘应用研究

Form: 论文之家作者：崔兆顺 Publish: 2007-11-15 Hits:-

【中文题名】

基于人工神经网络的时序数据挖掘应用研究

【英文题名】

Time Series Data Mining Applied Research Based on Artificial Neural Network

【学科专业】

计算机应用技术

【论文级别】

硕士论文

【投稿时间】

2007-11-15

【中关键词】

人工神经网络,时序数据,数据挖掘,,,

【英关键词】

artificial neural network,time series data,data mining,

【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>人工神经网络与计算>

【论文摘要】

目前,数据挖掘作为现代企业管理的重要辅助工具,被广泛应用于各个领域。在我国,数据挖掘技术取得了较大的成就,但还存在很多问题,尤其是在具体应用方面,面向实际应用的软件和可视化挖掘技术仍然十分匮乏,企业内各种信息往往不能有效的形成决策信息和知识,严重滞后了企业决策智能化的发展和应用。这也是造成我国企业尤其是西部中小企业的发展水平缓慢和管理模式落后的主要原因。所以急需一种能够解决现有问题,提高企业各种数据的处理能力,帮助企业进行辅助决策的应用系统。将数据挖掘技术应用于企业的辅助决策,发现数据中隐含的各种有用的知识,来提升企业管理和决策水平,是一种十分有效的手段。论文以西部地区中小型制造企业为研究对象,通过对日常时序数据进行模式分析,在国内专家知识和先进管理模式指导下,利用神经网络进行时序数据挖掘,用以达到销售量预测,为企业生产提供合理辅助决策,对企业的生产和发展具有一定的作用。论文系统研究了时序数据挖掘的相关理论和最新技术,总结了通用的开发方法。以此为基础,构建基于动态BP神经网络的时序数据预测平台,研究了其中所采用的关键技术并加以实现。论文主要研究成果有以下几个方面: ...

【论文题纲】

摘要	5-6
ABSTRACT	6-11
第一章绪论	11-17
1.1 课题背景	11-12
1.1.1 企业决策信息化辅助现状分析	11
1.1.2 课题目的和意义	11-12
1.2 国内外研究现状	12-14
1.2.1 国内外对于时序数据挖掘的研究	12-13
1.2.2 时序数据挖掘在企业内的应用	13-14
1.3 本文研究内容	14-15
1.3.1 研究内容	14-15
1.3.2 拟解决的主要问题	15
1.3.3 技术路线	15
1.4 文章的结构	15-16
1.5 本章小结	16-17
第二章时间序列数据挖掘相关技术	17-26
2.1 DM 技术与KDD 技术简介	17-18
2.1.1 DM 技术与KDD 技术产生背景	17
2.1.2 DM 技术和KDD 技术的相关概念	17-18
2.2 时间序列数据的概念	18-19
2.3 时序数据挖掘的主要技术	19-23
2.3.1 数据预处理的主要技术	19-21
2.3.2 数据挖掘的主要方法	21-22
2.3.3 模式评估的主要技术	22-23
2.4 神经网络技术在时间序列数据挖掘中的优势分析	23-24
2.5 制造企业的时序性数据	24
2.6 企业时序数据预测系统介绍	24-25
2.7 本章小结	25-26
第三章适合于神经网络的数据预处理方法	26-34
3.1 时序数据类型和特征	26-27
3.2 数据预处理的主要方法	27-29
3.3 适合于神经网络的预处理方法	29-30
3.3.1 数值型时序数据的归一化	29
3.3.2 数值型时序数据的标准化	29
3.3.3 本文中采用的预处理方法	29-30
3.3.4 日期时间性数据的预处理	30
3.4 本文中采用的方法与归一化方法对比分析	30-32
3.4.1 归一化处理结果	30-31
3.4.2 本文中采用的方法处理结果	31-32
3.4.3 对比分析	32
3.5 数据预处理存在的问题和解决办法	32-33
3.5.1 数据预处理中存在的问题	32
3.5.2 解决的办法	32-33
3.6 本章小结	33-34
第四章基于动态BP 神经网络的数据预测	34-49
4.1 BP 神经网络简介	34-37
4.1.1 神经网络基本简介	34-35
4.1.2 BP 神经网络的基本算法	35-37
4.2 时序数据预测的数学原理和模型	37-38
4.2.1 数据预测的数学原理	37-38
4.2.2 数据预测的模型	38
4.3 基于对应点误差最小预测	38-39
4.4 系统设计思想	39-43
4.4.1 利用动态构造性方法原理实现动态BP 神经网络	39
4.4.2 利用动态构造性方法实现BP 神经网络	39
4.4.3 结合逐渐增元方法和灵敏度分析改善预测结果的理解和评估	39-40
4.4.4 本文中实现动态BP 网络的步骤	40-41
4.4.5 系统流程	41-42
4.4.6 系统所采用的框架	42-43
4.5 网络结构特征参数的确定	43-44
4.6 系统实现的关键代码	44-47
4.7 系统实现时注意问题和解决办法	47-48
4.8 本章小结	48-49
第五章系统验证和结果分析	49-57
5.1 实验系统概述	49
5.2 实例数据	49-51
5.2.1 训练样本数据	49-50
5.2.2 测试样本数据	50
5.2.3 要预测的实际数据	50-51
5.3 预测处理过程	51-53
5.4 预测结果数据分析	53-55
5.4.1 预测结果数据和实际数据对比	53-55
5.4.2 结果分析	55
5.5 进一步完善的工作	55-56
5.6 本章小结	56-57
第六章结束语	57-59
参考文献	59-64
致谢	64-65
作者简介	65

【DOI】

LunWen.ID:2.2008.389142



付费论文：有参考文献 300元

1、注册会员 2、购买本文 3、下载文章
注:此文为收费论文，需付费购买。每页大约1000字。

代写论文流程

载入中…

Web lunwenjia


热门搜索：人工神经网络论文时序数据数据挖掘

自动化基础最新论文

自动化基础热门论文