2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩60頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

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(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、隨著數(shù)據(jù)庫技術(shù)的成熟應(yīng)用和Internet的迅速發(fā)展,從大量數(shù)據(jù)中挖掘有用的信息成為一個(gè)迫切需要解決的問題,數(shù)據(jù)挖掘的研究應(yīng)運(yùn)而生。數(shù)據(jù)挖掘經(jīng)常要面對一些有噪聲、雜亂、非線性的數(shù)據(jù),而神經(jīng)網(wǎng)絡(luò)具有良好的魯棒性、自適應(yīng)性、并行處理、分布存儲(chǔ)和高度容錯(cuò)性等特點(diǎn),故神經(jīng)網(wǎng)絡(luò)非常適合用來解決數(shù)據(jù)挖掘的問題。 本文首先介紹了數(shù)據(jù)挖掘的概念、過程以及目前數(shù)據(jù)挖掘中常用的模型與算法,對人工神經(jīng)網(wǎng)絡(luò)的基本模型、拓?fù)浣Y(jié)構(gòu)和學(xué)習(xí)機(jī)制進(jìn)行了簡要的概述

2、。對人工神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)挖掘方法中的數(shù)據(jù)預(yù)處理問題進(jìn)行了研究分析。討論了數(shù)據(jù)清洗、數(shù)據(jù)集成和轉(zhuǎn)換,重點(diǎn)討論了數(shù)據(jù)表示和數(shù)據(jù)消減問題。 聚類指的是把數(shù)據(jù)庫里的對象分組成有意義的子集,使得一個(gè)類內(nèi)的成員盡可能相似,不同類間的成員差異盡可能大。聚類具有無監(jiān)督學(xué)習(xí)能力,被廣泛應(yīng)用于多個(gè)領(lǐng)域中,如模式識別、數(shù)據(jù)分析、圖像處理以及市場調(diào)研等。使用聚類可以發(fā)現(xiàn)數(shù)據(jù)分布的疏密區(qū)域,從而找出數(shù)據(jù)總體的分布模式以及數(shù)據(jù)間有趣的相互關(guān)系。 本文對

3、數(shù)據(jù)挖掘中主要的聚類算法進(jìn)行了簡要介紹,對神經(jīng)網(wǎng)絡(luò)中的自組織映射(SOM)神經(jīng)網(wǎng)絡(luò)進(jìn)行了深入研究,并對SOM學(xué)習(xí)算法進(jìn)行了優(yōu)化,在一定程度上提高了網(wǎng)絡(luò)迭代訓(xùn)練的速度;隨后對層拓展自組織映射網(wǎng)絡(luò)(GHSOM)進(jìn)行了研究,將灰關(guān)聯(lián)度分析(GreyRelationalAnalysis)引入GHSOM網(wǎng)絡(luò),提出了GRAGHSOM算法。實(shí)驗(yàn)結(jié)果表明GRAGHSOM算法在高維數(shù)據(jù)聚類過程中,體現(xiàn)了樣本向量各個(gè)分量在模型中的重要性,能更精確的進(jìn)行聚類

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(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,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)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(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)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(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自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論