基于Kohonen和BP神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘方法研究.pdf

1、數(shù)據(jù)挖掘是從結(jié)構(gòu)化或非結(jié)構(gòu)化的原始數(shù)據(jù)中自動獲取知識的過程，數(shù)據(jù)挖掘效率依賴于所使用的挖掘方法。根據(jù)所涉及的科學(xué)領(lǐng)域，數(shù)據(jù)挖掘方法可粗略分為基于統(tǒng)計學(xué)的方法、基于機器學(xué)習(xí)的方法、基于神經(jīng)網(wǎng)絡(luò)的方法和基于數(shù)據(jù)倉庫的方法四大類?；谏窠?jīng)網(wǎng)絡(luò)的方法可以對大量復(fù)雜的非線性數(shù)據(jù)進行分析，并能完成極為復(fù)雜的模式識別及趨勢分析，適用于構(gòu)造多種數(shù)據(jù)挖掘模型。然而，由于神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果的可解釋性較差，而且神經(jīng)網(wǎng)絡(luò)需要較長的學(xué)習(xí)時間，當(dāng)需要分析的數(shù)據(jù)量很

2、大時，有可能導(dǎo)致該類挖掘方法的性能下降。通過改進算法來優(yōu)化網(wǎng)絡(luò)是目前提高神經(jīng)網(wǎng)絡(luò)的可理解性和學(xué)習(xí)速度的主要途徑。 本文結(jié)合SOM算法和BP算法的改進，研究了基于Kohonen和BP神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘方法。在對Kohonen網(wǎng)絡(luò)和BP網(wǎng)絡(luò)的拓樸結(jié)構(gòu)、用于數(shù)據(jù)挖掘的基本原理及算法進行分析的基礎(chǔ)上，本文提出了兩種改進算法。一種是由鄰域函數(shù)決定權(quán)重調(diào)整程度的改進SOM算法，該算法避免了基本SOM算法調(diào)整權(quán)重前的鄰域判斷過程，有利于提

3、高Kohonen網(wǎng)絡(luò)的學(xué)習(xí)速度和自適應(yīng)性；另一種是基于局部權(quán)重及閾值調(diào)整的改進BP算法，該算法動態(tài)地將網(wǎng)絡(luò)權(quán)重及閾值的全局調(diào)整改變?yōu)榫植空{(diào)整，提高了BP網(wǎng)絡(luò)的收斂速度。仿真實驗證明了兩種改進算法的優(yōu)越性。 本文重點研究了Kohonen網(wǎng)絡(luò)聚類和BP網(wǎng)絡(luò)分類挖掘方法的組合使用。在前述兩種改進算法的基礎(chǔ)上，提出了組合使用的基本思想，并據(jù)此設(shè)計了先利用Kohonen子網(wǎng)聚類結(jié)果將原始數(shù)據(jù)進行初步分類，再由BP子網(wǎng)根據(jù)初步分類結(jié)果完成精