知識發(fā)現(xiàn)的神經(jīng)網(wǎng)絡挖掘方法研究及應用.pdf

1、知識發(fā)現(xiàn)與數(shù)據(jù)挖掘(KDD)是計算機科學中新興的重要研究領域。目前，KDD所解決的問題不僅源于客戶數(shù)據(jù)庫和交易數(shù)據(jù)庫而且擴展到多媒體數(shù)據(jù)庫、空間數(shù)據(jù)庫、時間數(shù)據(jù)庫以及Internet網(wǎng)上的分布式信息，多學科的先進技術在這里匯集和交融。KDD中的神經(jīng)網(wǎng)絡技術是最近廣受關注的重要研究方法之一，其固有的并行分布式處理特性使其在KDD研究中具有遠大的前景和重要的意義。該文系統(tǒng)地研究了KDD信息處理中的神經(jīng)網(wǎng)絡方法及其應用。根據(jù)KDD的特點提出了

2、多種有效的神經(jīng)網(wǎng)絡模型和算法，同時對提出的方法進行了一定的應用研究。歸納起來，該文的主要內(nèi)容可分為如下五大部分:第一部分詳細研究了神經(jīng)網(wǎng)絡的基本學習模型與算法;第二部分提出了基于空間全局基函數(shù)神經(jīng)網(wǎng)絡的序貫學習模型和算法，通過所定義的網(wǎng)絡輸出裕度作為確定權值調整和結構自適應調整的判據(jù)，使網(wǎng)絡能在記憶舊知識的前提下有效地序貫學習新知識;第三部分提出了一種具有多臺階神經(jīng)元的神經(jīng)網(wǎng)絡;第四部分提出了混沌模式的新概念，指出在數(shù)據(jù)庫中介于確定模式