基于RBF神经网络的数据挖掘方法探究.docVIP

基于RBF神经网络的数据挖掘方法探究 　　摘要：在互联网技术快速发展和数据库技术广泛应用的同时，人类通过信息技术搜集数据的能力越来越强，而如何从大量数据中挖掘有价值的知识或信息也变得尤为迫切。为了解决上述问题，数据挖掘技术应运而生。研究发现，数据挖掘所需处理的数据多为非线性的、杂乱和存在噪声的数据，神经网络正是凭借其高度容错性、分布存储、并行处理、自适应性和鲁棒性等特征而被广泛用来处理一些数据挖掘的问题。据此，在本案，笔者首先介绍数据挖掘与RBF神经网络的相关理论知识；然后再重点讨论基于RBF神经网络的数据挖掘方法，以供同行参考。 　　关键词：RBF神经网络；数据挖掘；遗传算法 　　中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2016）07-0151-03 　　Research on Data Mining Method Based on RBF Neural Network 　　CAO Jia-jie， YANG Meng， XU Xin-yu 　　（Beijing Satellite Manufacturing Plant， Beijing 100000， China） 　　Abstract： The rapid development of Internet technology and database technology is widely used at the same time， human through information technology to collect data is more and more strong， and how to from a lot of data mining valuable information and knowledge has become particularly urgent. In order to solve the above problems， data mining technology arises at the historic moment. It is found that the data mining the data for the nonlinear， messy and the presence of noise data， neural network is by virtue of the degree of fault tolerance， distributed storage， parallel processing， adaptive and robust feature is widely used to deal with some of the data mining problems. Accordingly， in this case， the author first introduces the data mining and RBF neural network of the relevant theoretical knowledge， and then focus on the RBF neural network based on the data mining method for peer reference. 　　Key words： RBF neural network； data mining； genetic algorithm 　　数据挖掘是从大量数据中挖掘有价值的信息和知识，以便为管理决策和战略部署提供数据支撑。数据挖掘作为信息技术发展的结果，其应用前景相当广泛。数据库技术主要研究数据的组织、存储、获取和处理，而信息技术主要经历以下发展历程：数据的简单收集和数据库的初期建设→数据的存储与检索、数据库的事务处理→数据的分析与理解，此时便出现数据挖掘技术。基于上述研究背景，下文首先分别介绍数据挖掘与RBF神经网络的相关理论知识，并在此基础上，讨论基于RBF神经网络的数据挖掘方法，目的是为了研究数据挖掘所用到的分类算法。关于神经网络，作为一种人工智能技术，其一方面可以省去繁琐的数学建模和数学推理，另一方面在处理含噪声的非线性数据时表现出无与伦比的优越性。 　　1 数据挖掘 　　数据挖掘是非平凡的数据处理过程，即识别数据集中具有潜在价值、新颖有效且最终可被理解的模式，其中潜在价值指的是挖掘出的知识具有实际效用；新颖是指识别出的模式新颖；有效是指识别出的模式在一定程度上是正确的；最终可被理解是指识别出的数据可被用户理解。图1所示为数据挖掘的工作流程。 　　如图1所示，数据挖掘主要经历数据准备、模式提取、结果解释与评估等阶段，其中