关于神经网络的数据挖掘方法研究.docVIP

关于神经网络的数据挖掘方法研究 神经网络的数据挖掘方法研究如下文 随着Internet的发展,从浩翰的数据库中挖掘有用的信息成为一个迫切需要解决的问题.数据挖掘的研究应用而生[1,2].它反复应用挖掘算法从观测的数据中提取一个更为简洁的模式.这种模式应该是一种自然的表示形式(如数学公式、自然语言或图表等).由于庞大的数据集的性质往往非常复杂,且非线性、持续性及噪音普遍存在,因此需要一种不同于传统的新的理论和方法去解决数据挖掘中的问题.神经网络作为一种非线性自适应动力学系统,具有通过自学习提取信息的内部特征的优点,非常适合解决数据挖掘的问题.本文针对目前数据挖掘中的研究热点分类问题,探索应用神经网络方法,挖掘大型数据库的分类规则. 1 使用神经网络进行数据挖掘的步骤基于神经网络的数据挖掘由以下二个阶段组成:网络构造和训练,规则抽取. 1.1 网络构造和训练这一阶段根据数据集中的属性数目和类数目以及数据特性,选择合适的编码方法,构造一个多层的前向神经网络(一般采用三层BP网即可).然后,通过教师示教的方式训练构造好的神经网络. 但是,即使对于只有一个输出单元的网络,随着输入单元的增多,网络各层单元之间的连接数将成倍增长,造成相应的提取规则也将成指数增长,给规则提取造成很大困难.为此,有必要对网络