关于Web服务的并行遗传神经网络的数据预测研究.pdfVIP

摘 要 基于Web 服务的并行遗传神经网络的数据预测研究 摘 要 随着现在信息技术的迅猛发展，许多领域都积累了大量的数据。由于经 济、科技和生活等的需要，我们渴望发现这些数据中的内在的知识与规律， 这造就了数据挖掘这门学科的兴起和发展。作为一个多学科交叉的综合性 领域，数据挖掘涉及了数据库、统计学、机器学习、高性能计算、模式识 别、神经网络和数据可视化等学科。数据预测作为一种重要的挖掘技术有 着广泛的应用。 由于时间序列数据库的日趋庞大及其挖掘的潜在意义，目前，时序数据 挖掘研究已成为一个热点。然而，时间序列数据又有非线性混沌的特点， 并且数据量巨大，所以它成为数据挖掘的一个热点和难题。 本文主要研究基于并行的遗传神经网络的数据预测，介绍了近期遗传算 法改进神经网络的学术发展，并提出了基于Web 服务的并行遗传算法改进 神经网络结构与权值的算法(WPGA-MBP 算法) 。 WPGA-MBP 算法能够自动调整神经网络的结构与权值，有较强的自适 应能力和泛化能力，具有全局快速收敛的性能，这对于处理非线性混沌的 数据有优势；此算法使用现今成熟的、已经广泛使用的Web 服务技术实现 并行计算，提高了算法的时间性能，并且让算法能够处理较大量的数据， 第 I 页 摘 要 这迎合了数据预测中数据量大的特点。 性能实验表明，WPGA-MBP 算法并行扩展性较强，能够在多台机器上 实现并行运算。此算法提高了复杂神经网络优化的时间效率，并且在神经 网络拓扑结构的优化中也有较好的效果。 本文将 WPGA-MBP 算法与传统遗传神经网络算法对比，突出 WPGA-MBP 算法收敛较快，拟合精度较高。当数据无噪声时，预测效率和 精度都较高。本文最后提出基于WPGA-MBP 算法的证券交易系统。 关键词：神经网络，遗传算法，Web 服务，数据挖掘 第 II 页 ABSTRACT Research on Data Forecast Using Web-Services Based Parallel Genetic Artifical Network ABSTRACT With the rapid development of modern information technology, a great deal of data has been accumulated in many fields. People expect to discover the knowledge and rules existing in these data, which just brings the study of data mining and the development of its technology. Data prediction is important mining technologies and have been used widely. Because of the growing of Time-Series Database and the potential significance of data mining, the research of data mining in Time-Series Database has become a hotspot. At the same time, however, the nonlinear,huge and chaotic characteristic of time-series