數(shù)據(jù)庫中的知識發(fā)現(xiàn)及其應用研究.pdf

1、近年來，從大型數(shù)據(jù)庫自動提取知識的需求急劇增長。于是相應地，數(shù)據(jù)庫中知識發(fā)現(xiàn)(KDD)和數(shù)據(jù)挖掘兩個密切相關的領域中，企圖從大量原始數(shù)據(jù)中智能地提取感興趣及有用信息的過程和方法得到了很大發(fā)展。從生產(chǎn)過程到企業(yè)管理，這種技術得到廣泛用。本文以國內(nèi)某一大型鋼鐵企業(yè)為背景，給出了一種改進的知識發(fā)現(xiàn)方法，用于發(fā)現(xiàn)脫硫過程的規(guī)律和知識。 首先，論文對KDD領域各種現(xiàn)有理論，遺傳算法，原理及技術，實際算法，性能和其作用范圍等作出深入研究.再

2、而對遺傳算法的改進及其在系統(tǒng)建模中的應用作出分析，從而引出廣義遺傳法，對尋伏思路及生物學作出相對之解釋，并在步驟，進化策略，遺傳算子的設計，多種群的算法及流程圖與仿真試驗作深入探討.再從混沌理論的特性，就是”短期可以預測，長期不可預測”的算法，及開放系統(tǒng)混沌動力學，從而引伸變尺度混沌優(yōu)化法來確定RBF寬度的方法. 繼而分析了RBF神經(jīng)網(wǎng)絡的基本原理。為了克服RBF神經(jīng)網(wǎng)絡在確定中心個數(shù)和寬度中的困難，本文給出改進的廣義遺傳算法，

3、利用J.D.Schafer提出的函數(shù)進行仿真試驗的結(jié)果，證明了該算法的有效性和對于系統(tǒng)建模的適應性。其次，為了進一步優(yōu)化RBF的中心，本文引入了輸入輸出聚類方法。RBF的寬度直接影響網(wǎng)絡的泛化性能，其值偏大網(wǎng)絡精度不夠，偏小時泛化能力降低，因此本文采用了混沌搜索優(yōu)化RBF的寬度。仿真結(jié)果表明RBF混沌搜索算法是有效和實用的。 其后，將改進后的RBF神經(jīng)網(wǎng)絡用于鐵水脫硫過程的靜態(tài)預測模型，其中鐵水重量、鐵水脫硫前含硫量、鐵水脫硫后

4、含硫量作為輸入，脫硫劑用量作為輸出。離線仿真結(jié)果表明： 1.本文所給出的算法不僅可以用于提取RBF的中心數(shù)，還優(yōu)化了中心位置，提高了模型精度； 2.基于混沌搜索優(yōu)化的RBF寬度保證了模型的泛化能力； 3.利用RBF神經(jīng)網(wǎng)絡建立的鐵水脫硫靜態(tài)預測模型可以用于鐵水脫硫過程中脫硫劑用量的預報。 4.在研究中發(fā)現(xiàn)，遺傳算法優(yōu)化時間復雜度較高，即使采用了收斂速度較快的廣義遺傳算法，模型優(yōu)化時間仍然較長。即使能滿足脫