Hopfield網絡、遺傳算法的數據挖掘中的應用.pdf_第1頁
已閱讀1頁,還剩49頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、近年來,數據挖掘引起了信息產業(yè)界的極大關注,主要原因是存在大量數據,可以廣泛使用,并且迫切需要將這些數據轉換成有用的信息和知識。獲取的信息和知識可以用于多種領域,包括商務管理、生產控制、市場分析、工程設計和科學探索等。在過去的30多年中,計算機硬件穩(wěn)令人吃驚的進步導致了計算機、數據收集設備和存儲介質的飛速發(fā)展。這些技術大大推動了數據庫和相關信息產業(yè)的發(fā)展,使得大量數據庫和信息用于事務管理、信息檢索和數據分析。為了從海量數據中獲取重要信息

2、、作出重大決策,數據挖掘應運而生。關聯規(guī)則挖掘作為數據挖掘的一個重要方面,能夠發(fā)現大量數據中項集之間的相關聯系。隨著大量數據的收集和存儲,許多業(yè)界人士對于從他們的數據庫中挖掘關聯規(guī)則越來越感興趣。目前有多種挖掘關聯規(guī)則的方法,如Apriori方法以及由此衍生出來的多種方法,頻繁模式增長方法(frequent-patterngrowth)等等。然而每種方法都有其自身局限性,人們仍在改進已有的關聯規(guī)則挖掘方法并不斷探索新方法。 人工

3、神經網絡是在現代科學研究成果的基礎上提出的模擬人腦結構和機制的一門新興科學。它不是人腦真實的全面的描述,而是對這類生物神經網絡的抽象、模擬和簡化,其目的在于探索人腦的信息加工、存儲和搜索機制,為人工智能和信息處理等學科的研究開辟新途徑。人工神經網絡是采用物理可實現的方法來模擬人腦神經細胞的結構和功能的系統(tǒng),它模擬了人類神經元活動的原理,具有自學習、聯想、對比、推理和概括能力,為很好地解決關聯規(guī)則挖掘這樣一個復雜問題提供了新的途徑。近來,

4、Hopfield網絡作為神經網絡的一種,被嘗試用于關聯規(guī)則挖掘,并取得了一定成果。但是,已有的直接、機械的將Hopfield網絡用于關聯規(guī)則挖掘的方法具有缺陷,這些缺陷主要源于Hopfield網絡自身的不足。 遺傳算法于1975年由Michgan大學的JohnHolland首先提出。它是一種自適應的搜索策略,因其操作類似于自然界的優(yōu)勝劣汰機制而得名。遺傳算法因其自適應性、領域知識無關性、并行性等特性,且能較好的處理大規(guī)模數據,特

5、別適合于解決多目標優(yōu)化問題,因而在諸多領域有廣泛的應用。作為一個趨勢,遺傳算法被越來越多的應用于訓練神經網絡,改進神經網絡的拓撲結構和權值。實踐中,遺傳算法進化BP網絡的應用越來越成熟,并已經取得了豐碩的成果。與之相比,遺傳算法和Hopfield網絡的結合雖然也取得了一些成果,但還有待繁榮。 本文致力于Hopfield網絡、遺傳算法和關聯規(guī)則挖掘三者的結合,引入遺傳算法局部進化Hopfield網絡的思想,提出了一種新的基于遺傳算

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,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,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。

評論

0/150

提交評論