

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),請進行舉報或認領(lǐng)
文檔簡介
1、數(shù)據(jù)分類是數(shù)據(jù)挖掘的主要任務之一,它使用某種分類算法以預先準備好的訓練樣本數(shù)據(jù)為輸入建立分類模型,最后利用分類模型預測元組的分類標號。分類算法的優(yōu)劣直接影響模型的性能,常用的數(shù)據(jù)分類算法包括判定樹歸納算法、貝葉斯分類算法和前饋神經(jīng)網(wǎng)絡分類法。 前饋神經(jīng)網(wǎng)絡使用誤差反向傳遞算法(簡稱BP算法)進行訓練樣本學習和數(shù)據(jù)分類。BP算法首先正向計算網(wǎng)絡中各個神經(jīng)元的激活輸出,如果網(wǎng)絡最終的輸出不能滿足容許條件,則利用能量函數(shù)反向計算網(wǎng)絡中
2、各個神經(jīng)元結(jié)點產(chǎn)生的誤差,最后利用這些誤差調(diào)整網(wǎng)絡中各神經(jīng)元的閥值和各神經(jīng)元之間的連接權(quán)值。使用前饋神經(jīng)網(wǎng)絡進行數(shù)據(jù)分類的最大優(yōu)點在于其分類速度較快,然而缺點是BP算法會因陷入局部最優(yōu)解而導致網(wǎng)絡的分類準確率下降。本文將結(jié)合數(shù)據(jù)分類的屬性編碼機制和BP算法進行自我學習的數(shù)學機理深入分析局部最優(yōu)解產(chǎn)生的根本原因,并在此基礎(chǔ)上提出BP算法進行數(shù)據(jù)分類時的改進算法LMDBP算法。LMDBP算法的基本原理是在BP算法每進行一次網(wǎng)絡參數(shù)調(diào)整之前,
3、檢測網(wǎng)絡是否有可能進入局部最優(yōu)解。如果局部最優(yōu)條件已經(jīng)出現(xiàn),則只利用可以產(chǎn)生和局部最優(yōu)條件相反條件的樣本進行權(quán)值和閥值調(diào)節(jié)。利用MONKS分類問題的數(shù)據(jù)進行測試表明,LMDBP算法進行數(shù)據(jù)分類時可以避免局部最優(yōu)解,從而保證了前饋神經(jīng)網(wǎng)絡的分類準確率。然而,仍然需要指出的問難是不論采用BP算法還是LMDBP算法,都存在進入學習平滑區(qū)的問題,從而導致在有限的學習時間內(nèi)能量函數(shù)值無法被最小化,這有待于日后的研究加以解決。 小波神經(jīng)網(wǎng)絡
4、是近些年來興起的一種新型前饋神經(jīng)網(wǎng)絡,它將小波元和神經(jīng)元共同作為網(wǎng)絡的信息處理元件,既利用高維小波分析的相關(guān)理論又保留了前饋神經(jīng)網(wǎng)絡的自我學習特性?;谝延械男〔ㄉ窠?jīng)網(wǎng)絡學習算法框架,本文給出了Gaussian小波神經(jīng)網(wǎng)絡學習算法的詳細描述,并使用Gaussian小波神經(jīng)網(wǎng)絡分別對由離散屬性值和連續(xù)屬性值構(gòu)成的兩類不同測試樣本進行了分類試驗。試驗結(jié)果表明,小波神經(jīng)網(wǎng)絡對具有連續(xù)屬性值的樣本具有很強的分類能力,而對于由離散屬性值構(gòu)成的樣本
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(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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 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空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)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BP神經(jīng)網(wǎng)絡的腫瘤數(shù)據(jù)分類方法研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡的高光譜數(shù)據(jù)分類方法研究.pdf
- 基于人工神經(jīng)網(wǎng)絡的高維遙感數(shù)據(jù)分類研究.pdf
- 基于神經(jīng)網(wǎng)絡等技術(shù)的數(shù)據(jù)與文本聚分類研究.pdf
- 基于神經(jīng)網(wǎng)絡和支持向量機的生物數(shù)據(jù)分類.pdf
- 基于神經(jīng)網(wǎng)絡的溢油影像分類研究.pdf
- 基于神經(jīng)網(wǎng)絡的郵件分類識別研究.pdf
- 基于神經(jīng)網(wǎng)絡等技術(shù)的數(shù)據(jù)與文本聚分類研究
- 基于卷積神經(jīng)網(wǎng)絡的圖像分類.pdf
- 基于神經(jīng)網(wǎng)絡的數(shù)據(jù)挖掘分類算法比較和分析研究.pdf
- 基于神經(jīng)網(wǎng)絡的分類數(shù)據(jù)挖掘?qū)傩赃x擇和規(guī)則抽取研究.pdf
- 基于RBF神經(jīng)網(wǎng)絡并行學習模型的數(shù)據(jù)分類及預測研究.pdf
- 基于粗糙集和神經(jīng)網(wǎng)絡的數(shù)據(jù)分類技術(shù)研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡的問句分類研究.pdf
- 基于神經(jīng)網(wǎng)絡的圖像分類方法研究.pdf
- 基于神經(jīng)網(wǎng)絡的HTML文檔分類研究.pdf
- 神經(jīng)網(wǎng)絡及模糊算法的遙感數(shù)據(jù)分類研究.pdf
- 基于改進卷積神經(jīng)網(wǎng)絡的圖像分類研究.pdf
- 基于神經(jīng)網(wǎng)絡的高光譜圖像分類研究.pdf
- 基于人工神經(jīng)網(wǎng)絡的自動車型分類研究.pdf
評論
0/150
提交評論