基于電磁脈沖效應(yīng)實(shí)驗(yàn)數(shù)據(jù)庫(kù)的評(píng)測(cè)系統(tǒng)的研究與應(yīng)用.pdf

1、隨著管理信息系統(tǒng)的廣泛應(yīng)用，各種業(yè)務(wù)數(shù)據(jù)不斷地被存儲(chǔ)到數(shù)據(jù)庫(kù)中。人們希望從這些數(shù)據(jù)中發(fā)現(xiàn)潛在的、有助于管理決策的知識(shí)。正是這種需求推動(dòng)了數(shù)據(jù)挖掘興起和數(shù)據(jù)挖掘技術(shù)的發(fā)展。作為一個(gè)多學(xué)科交叉的前沿領(lǐng)域，數(shù)據(jù)挖掘融合了數(shù)據(jù)庫(kù)、統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)、人工神經(jīng)網(wǎng)絡(luò)、高性能計(jì)算等學(xué)科中的各種理論和算法。其中，人工神經(jīng)網(wǎng)絡(luò)憑借其本身具有的非線性處理、自適應(yīng)學(xué)習(xí)、高度容錯(cuò)能力等特性在數(shù)據(jù)挖掘應(yīng)用中得到了廣泛的使用。 本文在綜合研究數(shù)據(jù)挖掘中的各類

2、神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)上，重點(diǎn)研究誤差反向傳播(BP)神經(jīng)網(wǎng)絡(luò)算法的工作原理及其在數(shù)據(jù)挖掘中的應(yīng)用步驟。由于BP神經(jīng)網(wǎng)絡(luò)算法在實(shí)際應(yīng)用中存在的收斂速度慢、易陷于局部極小、泛化能力弱等問題，本文從梯度下降、數(shù)值優(yōu)化以及結(jié)合其他理論等不同角度深入研究各種改進(jìn)算法和結(jié)構(gòu)優(yōu)化策略。 針對(duì)本課題電磁脈沖防護(hù)評(píng)測(cè)工作的實(shí)際需求，本文用VC++.net開發(fā)工具實(shí)現(xiàn)了一種基于附加動(dòng)量和自適應(yīng)學(xué)習(xí)速率結(jié)合的改進(jìn)學(xué)習(xí)算法，并在電磁脈沖實(shí)驗(yàn)數(shù)據(jù)庫(kù)統(tǒng)計(jì)的數(shù)