版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、數(shù)據(jù)挖掘目前已廣泛應(yīng)用于現(xiàn)代社會(huì)的各行各業(yè),但是大多都是針對(duì)歷史數(shù)據(jù)進(jìn)行分析與處理,人們追求的不再只是發(fā)現(xiàn)歷史數(shù)據(jù)中隱藏的規(guī)律來(lái)解決實(shí)際問(wèn)題,而是想在競(jìng)爭(zhēng)激烈的社會(huì)中即時(shí)獲取有用的信息,這對(duì)于傳統(tǒng)的針對(duì)靜態(tài)的歷史數(shù)據(jù)進(jìn)行挖掘的靜態(tài)數(shù)據(jù)挖掘是不能很好實(shí)現(xiàn)這種需求的;設(shè)計(jì)一種針對(duì)當(dāng)前數(shù)據(jù)動(dòng)態(tài)分析處理的一種信息處理技術(shù)具有很大的現(xiàn)實(shí)意義。數(shù)據(jù)預(yù)測(cè)是數(shù)據(jù)挖掘的一個(gè)主要研究方向之一,而多維方面的預(yù)測(cè)問(wèn)題是目前亟待解決的關(guān)鍵問(wèn)題,在一定程度上多維預(yù)
2、測(cè)還成了預(yù)測(cè)方面的一個(gè)瓶頸;結(jié)合動(dòng)態(tài)數(shù)據(jù)挖掘來(lái)研究多維數(shù)據(jù)的動(dòng)態(tài)預(yù)測(cè)問(wèn)題在現(xiàn)實(shí)應(yīng)用中具有廣闊的實(shí)踐意義。動(dòng)態(tài)數(shù)據(jù)挖掘不僅僅限于數(shù)據(jù)預(yù)測(cè)方面,對(duì)其應(yīng)用領(lǐng)域探討也具有很大的現(xiàn)實(shí)意義。本文深入分析了以往數(shù)據(jù)處理技術(shù)的發(fā)展現(xiàn)狀之后給出了一種在動(dòng)態(tài)數(shù)據(jù)源運(yùn)行過(guò)程中結(jié)合歷史數(shù)據(jù)、當(dāng)前數(shù)據(jù)以及即將到來(lái)的數(shù)據(jù)進(jìn)行數(shù)據(jù)分析與處理的動(dòng)態(tài)數(shù)據(jù)挖掘技術(shù):運(yùn)用滑動(dòng)窗口技術(shù)動(dòng)態(tài)的獲取數(shù)據(jù),通過(guò)動(dòng)態(tài)數(shù)據(jù)窗口動(dòng)態(tài)處理數(shù)據(jù),運(yùn)用未來(lái)數(shù)據(jù)測(cè)試動(dòng)態(tài)數(shù)據(jù)挖掘的性能。人工神經(jīng)網(wǎng)
3、絡(luò)是模擬人腦工作的網(wǎng)絡(luò)模型,具有強(qiáng)大的并行處理能力與記憶功能,已廣泛應(yīng)用于各行各業(yè);本文主要是結(jié)合神經(jīng)網(wǎng)絡(luò)技術(shù)來(lái)研究解決實(shí)際的多維動(dòng)態(tài)數(shù)據(jù)預(yù)測(cè)問(wèn)題,取得了較大的突破:設(shè)計(jì)出了基于自回歸神經(jīng)網(wǎng)絡(luò)的單輸入單步、單輸入多步以及多輸入多步動(dòng)態(tài)數(shù)據(jù)預(yù)測(cè)模型;模型中各隱層節(jié)點(diǎn)采用具有延遲一步的自反饋,從而使得網(wǎng)絡(luò)具有很好的記憶功能;各屬性隱層節(jié)點(diǎn)間通過(guò)延遲一步的反饋連接來(lái)模擬屬性之間的關(guān)聯(lián)關(guān)系,從而使得模型具有很好的穩(wěn)定性與實(shí)用性。本文對(duì)改進(jìn)BP算
4、法進(jìn)行了分析,充分考慮誤差函數(shù)、活化函數(shù)以及學(xué)習(xí)率對(duì)算法性能的影響,結(jié)合預(yù)測(cè)模型的特點(diǎn)提出了適合于預(yù)測(cè)模型的改進(jìn)融合BP算法。通過(guò)Matlab仿真實(shí)驗(yàn)驗(yàn)證了預(yù)測(cè)模型的性能,實(shí)驗(yàn)表明三種多維動(dòng)態(tài)預(yù)測(cè)模型預(yù)測(cè)效果較好:在多維曲線預(yù)測(cè)方面效果特別好,直線預(yù)測(cè)誤差為零;模型穩(wěn)定性好,預(yù)測(cè)結(jié)果幾乎不受初始權(quán)值影響。本文還從理論上探討了動(dòng)態(tài)數(shù)據(jù)挖掘在專家系統(tǒng)的知識(shí)庫(kù)自動(dòng)更新方面的應(yīng)用,給出了在專家系統(tǒng)中結(jié)合動(dòng)態(tài)數(shù)據(jù)挖掘?qū)崿F(xiàn)知識(shí)即時(shí)更新的一種理論框架
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘方法研究.pdf
- 基于模糊神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘研究.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的移動(dòng)證券數(shù)據(jù)挖掘研究.pdf
- 基于模糊神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘模型研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的橋梁監(jiān)測(cè)數(shù)據(jù)挖掘.pdf
- 基于BP神經(jīng)網(wǎng)絡(luò)的WEB數(shù)據(jù)挖掘.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘模型研究與應(yīng)用.pdf
- 基于Kohonen和BP神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘方法研究.pdf
- 44863.基于人工神經(jīng)網(wǎng)絡(luò)的油藏?cái)?shù)據(jù)挖掘研究
- 基于神經(jīng)網(wǎng)絡(luò)股市預(yù)測(cè)的數(shù)據(jù)挖掘模型研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的電商數(shù)據(jù)深度挖掘.pdf
- 基于過(guò)程神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘及其應(yīng)用研究.pdf
- 神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)挖掘中的應(yīng)用.pdf
- 基于自組織神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘應(yīng)用研究.pdf
- 基于粗神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘方法及其應(yīng)用.pdf
- 基于遺傳BP神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘系統(tǒng)及其應(yīng)用.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的信息挖掘模型研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘技術(shù)用于剩余油分布的研究.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的時(shí)序數(shù)據(jù)挖掘應(yīng)用研究.pdf
評(píng)論
0/150
提交評(píng)論