RBF神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)挖掘中的應(yīng)用研究.pdf

1、隨著數(shù)據(jù)庫(kù)技術(shù)的成熟應(yīng)用和Internet的迅速發(fā)展,人們利用信息技術(shù)產(chǎn)生和搜集數(shù)據(jù)的能力大幅度提高,使得從大量數(shù)據(jù)中挖掘出有用的信息或知識(shí)成為一個(gè)迫切需要解決的問(wèn)題。正是這種需求推動(dòng)了數(shù)據(jù)挖掘興起和數(shù)據(jù)挖掘技術(shù)的發(fā)展。數(shù)據(jù)挖掘經(jīng)常要面對(duì)一些有噪聲、雜亂、非線(xiàn)性的數(shù)據(jù),而神經(jīng)網(wǎng)絡(luò)具有良好的魯棒性、自適應(yīng)性、并行處理、分布存儲(chǔ)和高度容錯(cuò)性等特點(diǎn),因此神經(jīng)網(wǎng)絡(luò)非常適合用來(lái)解決數(shù)據(jù)挖掘的一些問(wèn)題。
　　 本文簡(jiǎn)單闡述了數(shù)據(jù)挖掘和人工神

2、經(jīng)網(wǎng)絡(luò)的基本理論。在分析數(shù)據(jù)挖掘各種技術(shù)的基礎(chǔ)上,對(duì)神經(jīng)網(wǎng)絡(luò)方法在數(shù)據(jù)挖掘中的應(yīng)用進(jìn)行了研究分析,接著著重研究了基于RBF神經(jīng)網(wǎng)絡(luò)的分類(lèi)數(shù)據(jù)挖掘方法。并將遺傳算法和RBF神經(jīng)網(wǎng)絡(luò)有機(jī)結(jié)合,利用遺傳算法優(yōu)化RBF隱層中心參數(shù)和寬度；同時(shí)提出了改進(jìn)的遺傳算法。實(shí)驗(yàn)表明改進(jìn)的遺傳算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)用于數(shù)據(jù)挖掘能提高網(wǎng)絡(luò)的逼近能力和分類(lèi)準(zhǔn)確率。
　　 本文研究主要內(nèi)容如下:
　　 (1)介紹RBF神經(jīng)網(wǎng)絡(luò)的工作原理以及在數(shù)據(jù)