[经管营销]基于多维数据挖掘的电力营销决策支持系统研究.pptVIP

电力营销决策支持系统总体结构设计 另一方面，从挖掘出的知识种类来看，目前数据挖掘研究主要着重于关联规则、特征规则、分类规则、聚类规则、时序规则、模式相似性、Web浏览路径等方面，虽然利用神经计算挖掘关联规则具有一定的难度，但其完全可以胜任其他种类知识的挖掘。 电力营销决策支持系统总体结构设计 常规的神经网络规则提取的三个步骤为：神经网络训练、神经网络剪枝以及神经规则的提取。 电力营销决策支持系统总体结构设计 根据抽取规则算法设计思想的不同可以分成基于结构分析的算法和基于性能分析的算法两大类，基于结构的算法有：Gallant法、Sbset法、OFN算法、RX算法等：而基于性能分析的算法有：RF算法、基于学习的规则抽取算法、基于有效区间分析的规抽取算法等。 电力营销决策支持系统总体结构设计 结合神经网络变量选择方法的思想，针对多维数据挖掘的特定任务，可使用如下图所示的用于多维空间挖掘的非全连接的神经网络结构。 电力营销决策支持系统总体结构设计 电力营销决策支持系统总体结构设计 该网络的结构特点是，每个输入节点代表某个维的一个成员，且只与一个隐层节点连接，相同维上的全部成员的输入节点被连接到一个隐层节点，该隐层节点实际上代表了某个维。通过这种连接思想，可以将多个这种结构的网络实现级连，实现多维数据的多层深度的数据挖掘空间的选择。 电力营销决策支持系统总体结构设计 实际使用时，使隐单元