数据挖掘结课论文_袁博 完整版完整版724565046.pdfVIP

数据挖掘课程论文

题目：数据挖掘中

神经网络方法综述

学号：*******

*名：**

专业：工业工程

1

目录

一、引言…………3

（一）数据挖掘的定义…………3

（二）神经网络简述……………3

二、神经网络技术基础理论……3

（一）神经元节点模型…………3

（二）神经网络的拓扑结构……4

（三）神经网络学习算法………4

（四）典型神经网络模型………5

三、基于神经网络的数据挖掘过程……………6

（一）数据准备…………………6

（二）规则提取…………………7

（三）规则评估…………………8

四、总结…………8

2

一、引言

（一）数据挖掘的定义

关于数据挖掘的定义很多，其中被广泛接受的定义是：数据挖掘是一个从不

完整的、不明确的、大量的并且包含噪声，具有很大随机性的实际应用数据中，

提取出隐含其中、事先未被人们获知、却潜在有用的知识或模式的过程。该定义

包含了一下几个含义：（1）数据源必须为大量的、真实的并且包含噪声的；（2）

挖掘到的新知识必须为用户需求的、感兴趣的；（3）挖掘到的知识为易理解的、

可接受的、有效并且可运用的；（4）挖掘出的知识并不要求适用于所有领域，可

[1]

以仅支持某个特定的应用发现问题。这个定义准确的叙述了数据挖掘的作用，

即对海量、杂乱无章的数据进行处理和分析，并发现隐藏在这些数据中的有用的

知识，为决策提供支持。

（二）神经网络简述

神经网络是模拟人类的形象直觉思维，在生物神经网络研究的基础上，根据

生物神经元和神经网络的特点，通过简化、归纳，提炼总结出来的一类并行处理

网络，利用其非线性映射的思想和并行处理的方法，用神经网络本身的结构来表

[2]

达输入和输出的关联知识。起初，神经网络在数据挖掘中的应用并未被看好，

其主要原因是神经网络具有结构复杂、可解释性差、训练时间长等缺陷。但其对

噪声数据的高承受能力和低错误率的优点，以及各种网络训练算法的陆续提出与

优化，尤其是各种网络剪枝算法和规则提取算法的不断提出与完善，使得神经网

络在数据挖掘中的应用越来越为广大使用者所青睐。

二、神经网络技术基础理论

（一）神经元节点模型

生物神经元，也成神经细胞，是构成神经系统的基本单元。生物神经元主要

由细胞体、树突和轴突构成。人们将生物神经元抽象化，建立了一种人工神经元

模型。

(1)连接权

连接权对应于生物神经元的突触，各个人工神经元之间的连接强度由连接权

的权值表示，权值正表示激活，为负表示抑制。

3

(2)求和单元

求和单元用于求和各输入信号的加权和（线性组合）。

(3)激活函数

激活函数起非线性映射作业，并将人工神经元输出幅度限制在一定范围内，

一般限制在(0,1)或者(−1,1)之间。

（二）神经网络的拓扑结构

人工神经网络（ArtificialNeuralNetworks，ANN）是由大量人工神经元

广泛互联而成的，它可以用来模拟神经系统的结构和功能。人工神经网络可以看

成是以人工神经元为节点，用有向加权弧连接起来的有向图。根据连接方式，ANN

主要分为两大类：

(1)前馈型网络

前馈型网络是静态