數(shù)據(jù)挖掘與數(shù)據(jù)融合相結(jié)合的信息處理技術(shù)研究.pdf_第1頁
已閱讀1頁,還剩73頁未讀, 繼續(xù)免費閱讀

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),請進行舉報或認領(lǐng)

文檔簡介

1、隨著全球信息化的快速發(fā)展,數(shù)據(jù)挖掘與數(shù)據(jù)融合這兩種作為處理海量數(shù)據(jù)、提取有用信息的高新技術(shù)倍受矚目。這兩種技術(shù)處理數(shù)據(jù)的原理各不相同,但在功能上相互補充,整合這兩種技術(shù)能更有效地解決工程中的實際問題。數(shù)據(jù)挖掘的首要問題是尋找數(shù)據(jù)來源,將來自不同樣本的數(shù)據(jù)利用數(shù)據(jù)融合技術(shù)有效地加以綜合,再進行數(shù)據(jù)挖掘。數(shù)據(jù)融合需要在已知的模型上進行,而數(shù)據(jù)挖掘技術(shù)則可自動地建立模型。將這兩種技術(shù)進行深層次的結(jié)合與滲透,可協(xié)同完成復雜數(shù)據(jù)處理工作。

2、 本文對數(shù)據(jù)挖掘與數(shù)據(jù)融合這兩種技術(shù)進行了理論研究與應用探討,研究內(nèi)容及成果如下:(1)針對數(shù)據(jù)融合系統(tǒng)難以獲取先驗信息,以及存在大量冗余數(shù)據(jù)的問題,提出了用粗糙集理論建立數(shù)據(jù)融合模型的方法。采用屬性約簡及規(guī)則約簡的方法處理數(shù)據(jù),剔除冗余信息,獲取最簡規(guī)則。根據(jù)粗糙集最簡規(guī)則建立融合系統(tǒng)。通過粗糙集離散化算法將融合方法推廣至連續(xù)域。仿真結(jié)果證明,該算法是切實可行的。 (2)將模糊理論與神經(jīng)網(wǎng)絡技術(shù)相結(jié)合應用于數(shù)據(jù)融合。研究了基于

3、模糊神經(jīng)網(wǎng)絡的融合系統(tǒng)原理,建立了基于模糊神經(jīng)網(wǎng)絡的融合系統(tǒng),給出了神經(jīng)網(wǎng)絡學習算法。仿真結(jié)果驗證了算法的可行性。 (3)針對數(shù)據(jù)挖掘與數(shù)據(jù)融合技術(shù)在功能上互補的特點,研究了數(shù)據(jù)挖掘與數(shù)據(jù)融合的集成技術(shù),完善了知識獲取過程,提高了融合精度。并建立了一種新的集成系統(tǒng),研究給出了該集成系統(tǒng)的原理以及工作過程。 (4)針對粗糙集與模糊神經(jīng)網(wǎng)絡各自的優(yōu)缺點,提出了一種粗糙集——模糊神經(jīng)網(wǎng)絡模型。研究了利用粗糙集技術(shù)獲取模糊規(guī)則的

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

評論

0/150

提交評論