1/64
文档分类:IT计算机

基于Kohonen和BP神经网络的数据挖掘方法研究Y.pdf


下载后只包含 1 个 PDF 格式的文档,没有任何的图纸或源代码,查看文件列表

特别说明:文档预览什么样,下载就是什么样。

下载所得到的文件列表
基于Kohonen和BP神经网络的数据挖掘方法研究Y.pdf
文档介绍:
基于Kohonen和BP神经网络的数据挖掘方法研究Y997468摘 要

数据挖掘是从结构化或非结构化的原始数据中自动获取知识的
过程,数据挖掘效率依赖于所使用的挖掘方法。根据所涉及的科学领
域,数据挖掘方法可粗略分为基于统计学的方法、基于机器学****的方
法、基于神经网络的方法和基于数据仓库的方法四大类。基于神经网
络的方法可以对大量复杂的非线性数据进行分析,并能完成极为复杂
的模式识别及趋势分析,适用于构造多种数据挖掘模型。然而,由于
神经网络的输出结果的可解释性较差,而且神经网络需要较长的学****时间,当需要分析的数据量很大时,有可能导致该类挖掘方法的性能
下降。通过改进算法来优化网络是目前提高神经网络的可理解性和学****速度的主要途径。
本文结合算法和算法的改进,研究了基于和神经
网络的数据挖掘方法。在对网络和即网络的拓朴结构、用于
数据挖掘的基本原理及算法进行分析的基础上,本文提出了两种改进
算法。一种是由邻域函数决定权重调整程度的改进算法,该算法
避免了基本算法调整权重前的邻域判断过程,有利于提高
网络的学****速度和自适应性另一种是基于局部权重及闭值调整的改
进算法,该算法动态地将网络权重及阂值的全局调整改变为局部调
整,提高了网络的收敛速度。仿真实验证明了两种改进算法的优越
性。
本文重点研究了网络聚类和网络分类挖掘方法的组合
使用。在前述两种改进算法的基础上,提出了组合使用的基本思想,
并据此设计了先利用子网聚类结果将原始数据进行初步分
类,再由即子网根据初步分类结果完成精确分类的组合神经网络分类
模型讨论了如何在故障诊断中使用该模型的过程并通过电力变压
器故障诊断的仿真实验,比较了组合网络分类模型和单一网络分类
模型的故障诊断效果。实验结果表明组合模型不但克服了单一
网络输出结果不易理解,单一即网络泛化性能差、难以实现
精确分类的缺点而且在实现精确分类的正确性方面优于单一的
网络分类模型,能够对电力变压器故障的现场分析诊断起到一定的指
导作用。

关键词 神经网络,数据挖掘,聚类分析,分类,故障诊断
卜五飞 电



,由,
哟汾,,
一,



,,
林氏 七 。
’,即
且刊·
叮加,面

叻 ,
助长七相 汕 囚
加玩
袱叽 朗

田刀印卜刀氏
。比 】
, 元
廿止


七川
幻刀
七刀 一
四 叩

。欧 , 而





。刀盯
, 妇刀,
邢故 氏
, ,
勺刃,朗
一一
、”

幻刀氏 , ,
,几
原创性声明

本人声明,所呈交的学位论文是本人在导师指导下进行的研究
工作及取得的研究成果。尽我所知,除了
内容来自淘豆网www.taodocs.com转载请标明出处.
相关文档
非法内容举报中心
文档信息
  • 页数64
  • 收藏数0 收藏
  • 顶次数0
  • 上传人aena45
  • 文件大小1.71 MB
  • 时间2021-04-09