基于改进模糊k均值算法和神经网络算法的数据挖掘模型.pdfVIP

第 34 卷第4 期 大连海事大学学报 Vo l. 34 No.4 2008 年 11 月 Journal of Dalian Maritime University Nov. , 2008 文章编号:1006-7736(2008)04-0037-04 基于改进模糊走均值算法和神经网络算法的数据挖掘模型* 李桃迎，陈燕，杨明，牟向伟 (大连海事大学经济与管理学院，辽宁大连 116026) 摘要:为解决神经网络算法中样本数据包含大量与目标数据 ---- 。引 口 无关的属性而导致网络训练时间长、效率低的问题，提出基 于改进模糊 h 均值(FKM) 和 BP 神经网络算法的数据挖掘 神经网络具有并行计算、分布式信息存储、容错 模型-利用改进的 FKM 聚类算法对输入数据的属性进行聚 能力强以及具备自适应学习能力等优点.但是训练 类，按弃与目标属性相关性弱或冗余的属性，保留相关性强 记录多、属性多的样本需花费较长时间，训练效率 的属性，减少了神经网络的训练样本数据量，提高了网络的 低.提高网络效率是当今神经网络研究的一个迫切 训练效率.对儿童血红蛋白含量的预测结果表明，该模型具 问题.聚类具有将数据聚类，保留和目标属性相关性 有很好的实用性和可靠性. 强的属性[1] 删除冗余属性的特点.模糊聚类分析就 关键词:模糊 h 均值算法; BP 神经网络;数据挖掘 是根据研究对象本身的属性来构造模糊矩阵，在此 中图分类号:TP183 文献标志码:A Data mining model based on improved 基础上根据一定的隶属度来确定其分类关系模糊 fuzzy k-means algorithm 聚类分析(FAC) 的目的在于对样本进行合理的分 and neural network algorithm 类，以达到对样本进行判别、分析和预测的目的. k- means 聚类算法与其他聚类算法类似，通过把预先 LI Tao-ying , CHEN Yan , YANG Ming , MU Xiang-wei ( College of Economics and Management , 设定的成本函数最小化将数据对象划分为 h 类，采 Dalian Maritime University , Dalian 116026 ,China) 用有权值的成本函数替换传统 k-means 算法的成本 函数.文献 [2 - 6 ]中算法的成本函数都是传统是­ Abstract:A data mining model based on fuzzy k-means (FKM) algorit