文档详情

基于神经网络的智能数据挖掘方法及应用研究-电力电子与电力传动专业论文.docx

发布:2019-03-26约5.37万字共66页下载文档
文本预览下载声明
基于 ANN 的 DM 方法及应用研究 摘要 数据挖掘( Data Mining f DM) 是从数据集中识别出有效的、新颖的、 潜在有用的,以及最终可理解的模式的非平凡过程。由于数据挖掘是一个 多领域交叉的研究与应用领域,所以备受关注,成为目前具有挑战意义的 研究热点之一。 聚类( Clustering) 分析是数据挖掘的重要方法之一,也是人类活动 的一个重要内容。作为统计学的一个分支,聚类分析已有多年的研究历史。 本文进一步探讨聚类分析中的一些算法,针对船舶航线设计的特点,提出 了 k-means 算法与基于密度方法、自组织竞争神经网络相结合的聚类分析 方法,进而又提出复合聚类分析算法和改进的复合聚类分析算法#将它们 进行分析比较,改进的复合聚类分析算法的聚类效果是好命在船舶航线的 设计中,首先在从世界船位分布图上取出部分数据,再对这些数据进行预 处理,然后采用改进的复合聚类分析算法,计算凝聚点,最后再求取平均 密度中心点,将这些密度中心点相连便是航线。 人工神经网络 (ANN) 也是数据挖掘的重要方法之一啻神经网络具有 通过学习后可以任意逼近非线性映射的能力,而且神经网络不受非线性系 统模型的限制#便于工程实现。但现在神经网络时序预测模型的输入只能 是单属性的,只能进行一维预测,对于多属性事物的预测还未探究。本文 提出一种基于并行递归神经网络的多维预测模型#这种模型本身具有记忆 过去所有输入信息的能力,网络输出是过去所奋输入的某一非线位副数, 实现的是一种非线性动态峡射,而且可以实现对多属性事物的多维预测。 本文将这种预测模型用于平丽航线和三维空间螺旋曲线的预测,预测精度 较高 F 预测效果较好。此外,本文还利用 Matlab 谣言作了大量的仿真预测量 获得了理想的仿真结果。 本文利用从 GPS 得来的数据,将聚类分析算法和多属性预测方法应用 在 GIS 的数据挖掘中#得到一些有意义的结果。 关键字 z 数据挖掘,聚类分析,神经网络 f GIS 基于 ANN ?tJ DM 方法及应用研究 ANN-based Data Mining Approach and Its Applications in GIS ABSTRACT Data Mining is a nontrivial process that we can identify the effective , unknown ,potentially useful and ultimately apprehensible pattern from databases. Data mining technique is a cross multi-field for researches and applications. So it receives more attention and becomes one of most popular research in recently. Clustering analysis is an important approach of data mining,and an important content of human activity. As a branch of statistics,clustering analysis has a long research history. This article takes a step forward in the algorithms of clustering analysis and discusses two kinds of clustering analysis methods: k-means algorithm merged in density-based , k-means algorithm merged in competitive learning of neural networks. On the base of the discussion , a new integrated clustering analysis algorìthm ,and an ìmproved integrated clustering analysis algorithm will be presented. Comparing the four methods ,the improved integrated clustering analysis algoríthm has more valuable in data míning. In the design of shi
显示全部
相似文档