基于神經(jīng)網(wǎng)絡(luò)的動態(tài)數(shù)據(jù)挖掘研究.pdf

1、數(shù)據(jù)挖掘目前已廣泛應(yīng)用于現(xiàn)代社會的各行各業(yè),但是大多都是針對歷史數(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)律來解決實際問題,而是想在競爭激烈的社會中即時獲取有用的信息,這對于傳統(tǒng)的針對靜態(tài)的歷史數(shù)據(jù)進(jìn)行挖掘的靜態(tài)數(shù)據(jù)挖掘是不能很好實現(xiàn)這種需求的;設(shè)計一種針對當(dāng)前數(shù)據(jù)動態(tài)分析處理的一種信息處理技術(shù)具有很大的現(xiàn)實意義。數(shù)據(jù)預(yù)測是數(shù)據(jù)挖掘的一個主要研究方向之一,而多維方面的預(yù)測問題是目前亟待解決的關(guān)鍵問題,在一定程度上多維預(yù)

2、測還成了預(yù)測方面的一個瓶頸;結(jié)合動態(tài)數(shù)據(jù)挖掘來研究多維數(shù)據(jù)的動態(tài)預(yù)測問題在現(xiàn)實應(yīng)用中具有廣闊的實踐意義。動態(tài)數(shù)據(jù)挖掘不僅僅限于數(shù)據(jù)預(yù)測方面,對其應(yīng)用領(lǐng)域探討也具有很大的現(xiàn)實意義。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態(tài)數(shù)據(jù)源運行過程中結(jié)合歷史數(shù)據(jù)、當(dāng)前數(shù)據(jù)以及即將到來的數(shù)據(jù)進(jìn)行數(shù)據(jù)分析與處理的動態(tài)數(shù)據(jù)挖掘技術(shù):運用滑動窗口技術(shù)動態(tài)的獲取數(shù)據(jù),通過動態(tài)數(shù)據(jù)窗口動態(tài)處理數(shù)據(jù),運用未來數(shù)據(jù)測試動態(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)來研究解決實際的多維動態(tài)數(shù)據(jù)預(yù)測問題,取得了較大的突破:設(shè)計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態(tài)數(shù)據(jù)預(yù)測模型;模型中各隱層節(jié)點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)點間通過延遲一步的反饋連接來模擬屬性之間的關(guān)聯(lián)關(guān)系,從而使得模型具有很好的穩(wěn)定性與實用性。本文對改進(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)率對算法性能的影響,結(jié)合預(yù)測模型的特點提出了適合于預(yù)測模型的改進(jìn)融合BP算法。通過Matlab仿真實驗驗證了預(yù)測模型的性能,實驗表明三種多維動態(tài)預(yù)測模型預(yù)測效果較好:在多維曲線預(yù)測方面效果特別好,直線預(yù)測誤差為零;模型穩(wěn)定性好,預(yù)測結(jié)果幾乎不受初始權(quán)值影響。本文還從理論上探討了動態(tài)數(shù)據(jù)挖掘在專家系統(tǒng)的知識庫自動更新方面的應(yīng)用,給出了在專家系統(tǒng)中結(jié)合動態(tài)數(shù)據(jù)挖掘?qū)崿F(xiàn)知識即時更新的一種理論框架