

版權說明: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,請進行舉報或認領
文檔簡介
1、隨著數(shù)據(jù)庫應用的不斷深化,數(shù)據(jù)庫的規(guī)模急劇膨脹,人們需要對這些數(shù)據(jù)進行分析,從中發(fā)現(xiàn)有價值的信息。但是數(shù)據(jù)庫管理系統(tǒng)本身卻沒有提供有效的工具和方法來利用這些數(shù)據(jù),因此數(shù)據(jù)挖掘成為當今研究的熱點。特別是其中的分類問題,由于其使用的廣泛性,現(xiàn)已獲得了越來越多的關注。本文即以混合智能系統(tǒng)為基礎對數(shù)據(jù)挖掘中的分類問題進行系統(tǒng)研究。 作者綜述了國內(nèi)外數(shù)據(jù)挖掘分類的研究現(xiàn)狀和應用成果,深入分析了分類問題的基本理論,并介紹了經(jīng)典算法,以及
2、對各種分類方法進行了綜合比較。在基本理論分析的基礎上,作者構建了以認知心理學、模型集成理論為基礎,集粗糙集理論、聚類理論、模糊邏輯理論、遺傳算法理論、人工神經(jīng)網(wǎng)絡理論于一體的一個新的混合智能系統(tǒng)R—FC—DENN。它先通過粗糙集將輸入數(shù)據(jù)進行約簡,然后用聚類技術將簡化后的數(shù)據(jù)進行聚類,對不同的聚類使用經(jīng)過遺傳算法改進了的神經(jīng)網(wǎng)絡進行訓練,接著將這些經(jīng)過不同神經(jīng)網(wǎng)絡訓練的數(shù)據(jù)用模糊權值組合起來,放入新的用遺傳算法改進了的神經(jīng)網(wǎng)絡再進行訓練
溫馨提示
- 1. 本站所有資源如無特殊說明,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,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于海量數(shù)據(jù)挖掘的分類算法研究.pdf
- 基于粒度層次的數(shù)據(jù)挖掘分類算法研究.pdf
- 基于PSO算法的分類規(guī)則數(shù)據(jù)挖掘.pdf
- 數(shù)據(jù)挖掘分類算法研究
- 數(shù)據(jù)挖掘分類算法研究.pdf
- 基于STORM的流數(shù)據(jù)分類挖掘算法的研究.pdf
- 數(shù)據(jù)挖掘中分類算法的研究.pdf
- 圖像數(shù)據(jù)挖掘的分類算法研究.pdf
- 基于云計算的海量數(shù)據(jù)挖掘分類算法研究.pdf
- 基于多核計算的分類數(shù)據(jù)挖掘算法研究.pdf
- 基于混合蛙跳的數(shù)據(jù)挖掘模糊聚類算法研究.pdf
- 基于不平衡數(shù)據(jù)集的數(shù)據(jù)挖掘分類算法研究.pdf
- 基于改進支持向量機的數(shù)據(jù)挖掘分類算法研究.pdf
- 基于Hadoop平臺的數(shù)據(jù)挖掘分類算法分析與研究.pdf
- 數(shù)據(jù)挖掘分類算法的研究和應用.pdf
- 基于pso算法的分類規(guī)則數(shù)據(jù)挖掘(1)
- 數(shù)據(jù)挖掘分類算法研究及應用.pdf
- 基于多分類器融合的數(shù)據(jù)挖掘分類算法研究與應用.pdf
- 基于支持向量機的智能數(shù)據(jù)挖掘算法研究.pdf
- 基于數(shù)據(jù)挖掘的電信套餐智能匹配分類模型研究.pdf
評論
0/150
提交評論