版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、數(shù)據挖掘和文本挖掘是當前信息技術中的一個重要研究領域; 將模糊邏輯理論應用于數(shù)據及文本挖掘方法研究,具有較大的理論意義和實用價值.本文研究了基于模糊邏輯和神經網絡的數(shù)據挖掘和文本挖掘方法,所做主要工作內容包括: 采用自組織特征映射(SOFM)網絡來自動確定樣本數(shù)據隸屬函數(shù),并根據相似性的概念,給出了相似度的計算公式,結合Apriori算法,提出了一種挖掘模糊相似關聯(lián)規(guī)則的新算法. 針對傳統(tǒng)的模糊聚類需要預先確定聚
2、類數(shù)的問題,提出一種新的動態(tài)模糊聚類的方法.該方法采用動態(tài)自組織映射神經網絡來確定聚類數(shù).,并通過文本向量空間模型和TF·IDF方法來確定文本的特征向量,再將動態(tài)自組織映射神經網絡得到的聚類數(shù),用模糊C均值算法(FCM)函數(shù)處理,得到聚類的結果.本算法具有聚類精度高的優(yōu)點,模糊聚類更適合處理語義的多樣性和文本歸屬的模糊性的問題. 提出了一種新的動態(tài)模糊自組織神經網絡模型(DFKCN),并將其用于文本聚類中.針對傳統(tǒng)模糊自組織神經
3、網絡需要預先確定聚類數(shù)的問題, DFKCN采用了可自動確定聚類數(shù)的動態(tài)自組織神經網絡(TGSOM)的結構,在DFKCN網絡結構中提出新的學習率計算公式,并以模糊聚類中心作為DFKCN網絡中對應的神經元的權值,從而提高了聚類的精度,并可提高收斂速度.將DFKCN模型應用到中文文本聚類中,文本的特征向量的表示采用隱含語義分析理論,以體現(xiàn)特征詞的語義關系并實現(xiàn)特征詞的降維. 提出了一種新的模糊競爭神經網絡聚類模型(NFCNNC),并將
4、其應用到文本聚類中.NFCNNC將模糊中心聚類(FCC)算法得到的模糊聚類中心向量作為神經網絡的權值,獲勝神經元通過比較隸屬度值得到.按照FCC算法調整模糊聚類中心向量值(即權值)和神經元的隸屬度,當網絡穩(wěn)定時,即可確定聚類數(shù).NFCNNC具有結構簡單,運行效率高,聚類精度高的優(yōu)點,同時克服了傳統(tǒng)算法需預先指定聚類數(shù)的局限性. 提出一種新的模糊文本關聯(lián)規(guī)則挖掘算法(NFAR)和文本關鍵字的獲得方法,當文本集中存在大量文本,傳統(tǒng)的
5、模糊關聯(lián)規(guī)則中的支持度的計算公式不再適用,因而提出新的支持度計算公式.通常用的關聯(lián)規(guī)則在涉及語義問題時,會有冗余規(guī)則,隸屬函數(shù)是預先指定的,引入模糊聚類可克服上述問題:根據TF IDF首先計算文本特征詞的權重,然后計算文本的平均權重作為閾值,權重大于閾值的特征詞作為該文本的關鍵字,將關鍵字的權重劃分成三個屬性:高、中、低.利用模糊c均值對關鍵詞的權重進行聚類.再出NFAR算法抽取出文本關聯(lián)規(guī)則.NFAR算法具有運算效率高,規(guī)則的精度高的
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,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,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
- 基于模糊邏輯和神經網絡的文本分類方法.pdf
- 基于粗糙集和模糊神經網絡的數(shù)據挖掘方法研究.pdf
- 基于模糊神經網絡的數(shù)據挖掘研究.pdf
- 基于模糊神經網絡的數(shù)據挖掘模型研究.pdf
- 基于神經網絡的數(shù)據挖掘方法研究.pdf
- 基于Kohonen和BP神經網絡的數(shù)據挖掘方法研究.pdf
- 基于神經網絡和模糊邏輯的結構控制算法研究.pdf
- 基于神經網絡方法的數(shù)據挖掘平臺設計和實現(xiàn).pdf
- 基于神經網絡和模糊邏輯的智能推薦系統(tǒng)研究.pdf
- 基于模糊邏輯和神經網絡的汽車防抱控制方法的仿真研究.pdf
- 基于神經網絡的智能數(shù)據挖掘方法及應用研究.pdf
- 基于神經網絡的動態(tài)數(shù)據挖掘研究.pdf
- 基于模糊邏輯及神經網絡的醫(yī)學圖像融合研究.pdf
- 基于模糊神經網絡及粗糙集的數(shù)據深度挖掘應用研究.pdf
- 基于RBF神經網絡的數(shù)據挖掘研究.pdf
- 基于粗神經網絡的數(shù)據挖掘方法及其應用.pdf
- 基于模糊神經網絡的數(shù)據挖掘與控制規(guī)則提取.pdf
- 基于神經網絡的移動證券數(shù)據挖掘研究.pdf
- 基于模糊神經網絡的火災數(shù)據處理方法的研究.pdf
- 基于神經網絡的橋梁監(jiān)測數(shù)據挖掘.pdf
評論
0/150
提交評論