版權(quán)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(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、隨著計(jì)算機(jī)技術(shù)的迅速發(fā)展以及數(shù)據(jù)庫管理系統(tǒng)的廣泛應(yīng)用,使得人們積累的數(shù)據(jù)遠(yuǎn)遠(yuǎn)超過人們分析和理解數(shù)據(jù)的能力。激增的數(shù)據(jù)背后隱藏著許多重要的信息,人們希望能夠?qū)ζ溥M(jìn)行更深層次的分析,以便更好地應(yīng)用數(shù)據(jù)和提供決策支持。數(shù)據(jù)挖掘技術(shù)為了解決“數(shù)據(jù)爆炸但知識(shí)貧乏”的問題便應(yīng)運(yùn)而生。成為目前具有挑戰(zhàn)意義的研究熱點(diǎn)之一。數(shù)據(jù)挖掘是從數(shù)據(jù)集中識(shí)別出有效的、新穎的、潛在有用的,以及最終可理解的模式的非平凡過程,其中聚類、主元分析和趨勢分析是三個(gè)重要的環(huán)節(jié)
2、。 聚類分析是數(shù)據(jù)挖掘的重要方法之一。本文深入分析了聚類分析中的一些傳統(tǒng)方法,提出了三種聚類分析算法:復(fù)合聚類分析算法;基于動(dòng)態(tài)數(shù)據(jù)窗口的自組織競爭神經(jīng)網(wǎng)絡(luò)聚類分析方法:基于動(dòng)態(tài)數(shù)據(jù)窗口的融合聚類分析算法。將這三種方法進(jìn)行分析比較,應(yīng)用在故障檢測當(dāng)中。仿真實(shí)驗(yàn)驗(yàn)證了算法的有效性。 主元分析方法是統(tǒng)計(jì)學(xué)中的重要方法之一,在處理數(shù)據(jù)挖掘中高維數(shù)據(jù)問題上有很大的突破。本文針對(duì)主元分析方法對(duì)于不同量綱和分布“均勻”的數(shù)據(jù)很難選取
3、主元,或者選取的主元沒有代表性的問題,提出一種相對(duì)主元分析方法,該方法可以克服數(shù)據(jù)的量綱問題和分布“均勻”問題,選出的相對(duì)主元具有代表性,可以很好的解決數(shù)據(jù)挖掘中的高維數(shù)據(jù)壓縮問題以及復(fù)雜系統(tǒng)的故障檢測問題。而且基于相對(duì)主元的故障檢測模型不受模型采樣數(shù)目的限制。仿真結(jié)果驗(yàn)證了方法的有效性。 由于預(yù)測神經(jīng)網(wǎng)絡(luò)可以通過學(xué)習(xí)任意逼近非線性映射,被用于構(gòu)建非線性系統(tǒng)模型。但現(xiàn)在神經(jīng)網(wǎng)絡(luò)時(shí)序預(yù)測模型只能進(jìn)行一維預(yù)測,對(duì)于多屬性事物的預(yù)測還
4、未探究。本文提出一種基于并行遞歸神經(jīng)網(wǎng)絡(luò)的多維預(yù)測模型,這種模型能夠記憶歷史信息,實(shí)現(xiàn)實(shí)時(shí)動(dòng)態(tài)建模、在線參數(shù)修正和多維并行預(yù)測,并用多維空間中的線性函數(shù)和非線性函數(shù)驗(yàn)證了該預(yù)測模型的有效性。 針對(duì)復(fù)雜系統(tǒng)的數(shù)據(jù),單一的數(shù)據(jù)挖掘算法很難實(shí)現(xiàn)數(shù)據(jù)挖掘,或者是得出的“知識(shí)”有局限性。本文結(jié)合前面所介紹的基于動(dòng)態(tài)數(shù)據(jù)窗口的聚類分析方法,相對(duì)主元方法和并行遞歸神經(jīng)網(wǎng)絡(luò)的多維預(yù)測模型,提出一種基于智能融合的數(shù)據(jù)挖掘方法監(jiān)控系統(tǒng)。該方法可以實(shí)
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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)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(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)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(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 智能電網(wǎng)大數(shù)據(jù)融合方法研究及應(yīng)用.pdf
- 基于小波分析的數(shù)據(jù)挖掘方法及其在智能商務(wù)中的應(yīng)用.pdf
- 基于智能算法的醫(yī)學(xué)數(shù)據(jù)挖掘——特征權(quán)重優(yōu)化方法研究及其應(yīng)用.pdf
- 基于粗糙集理論的混合數(shù)據(jù)挖掘方法研究.pdf
- 幾種典型數(shù)據(jù)挖掘方法及其應(yīng)用研究.pdf
- 時(shí)間序列數(shù)據(jù)挖掘方法的研究及其應(yīng)用.pdf
- 數(shù)據(jù)融合方法及其應(yīng)用技術(shù)的研究.pdf
- 客戶智能分析數(shù)據(jù)挖掘應(yīng)用平臺(tái).pdf
- 時(shí)態(tài)數(shù)據(jù)挖掘及其應(yīng)用.pdf
- 數(shù)據(jù)挖掘中的統(tǒng)計(jì)方法及其應(yīng)用研究
- 數(shù)據(jù)挖掘及融合技術(shù)研究與應(yīng)用.pdf
- 工程數(shù)據(jù)挖掘的集成化方法及其應(yīng)用.pdf
- 智能交通系統(tǒng)數(shù)據(jù)挖掘與應(yīng)用.pdf
- 無線傳感網(wǎng)絡(luò)及其數(shù)據(jù)融合方法研究與應(yīng)用.pdf
- 數(shù)據(jù)挖掘中的統(tǒng)計(jì)方法及其應(yīng)用研究
- 數(shù)據(jù)挖掘中的聚類方法及其應(yīng)用研究.pdf
- 神經(jīng)網(wǎng)絡(luò)方法及其在數(shù)據(jù)挖掘中的應(yīng)用.pdf
- 數(shù)據(jù)挖掘方法的若干應(yīng)用.pdf
- 智能切削數(shù)據(jù)庫及其數(shù)據(jù)挖掘技術(shù)的研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的智能數(shù)據(jù)挖掘方法及應(yīng)用研究.pdf
評(píng)論
0/150
提交評(píng)論