文档介绍：基于改良蚁群算法的神经网络分类规则提取作者姓名:许海波指导教师:胡同森刘端阳浙江工业大学计算机科学与技术学院浙江工业大学硕士学位论文年
吣⋯Ⅷ㈣洲锣够緎篨篐■¨●觥鯻
鬈埙螅郝段搭作者签名:铴壳⒈3福凇!D杲饷芎笫视帽臼谌ㄊ椤学位论文原创性声明学位论文版权使用授权书浙江工业大学日期:沙阹月⒉槐C堋本人郑重声明:所提交的学位论文是本人在导师的指导下,独立进行研究工作所取得的研究成果。除文中已经加以标注引用的内容外,本论文不包含其他个人或集体已经发表或撰写过的研究成果,也不含为获得浙江工业大学或其它教育机构的学位证书而使用过的材料。对本文的研究作出重要贡献的个人和集体,均已在文中以明确方式标明。本人承担本声明的法律责任。本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权浙江工业大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于朐谝陨舷嘤Ψ娇蚰诖颉啊獭
基于改良蚁群算法的神经网络分类规则提取摘要随着信息时代的发展,人们所获得的信息量爆发性的增长,以至于人们对从巨大信息量中获得有用的而且正确的信息具有更为迫切的要求,这也就是数据挖掘产生的原因。数据挖掘即分析所获得的数据集来找出不为人所关注的联系和以对数据所有者有用且易于理解的新颖的途径来概括数据,在经济,科学等大量领域获得了广泛应用。它能够帮助用户仅仅需要关注海量数据集中最重要的信息。其中在数据挖掘领域,分类获得了很大的关注度,其主要目的是预测数据对象的所属类别。分类方法中神经网络由于在预测、从经验中学习、从先前样本中泛化等方面的优秀表现,使其成为分类领域的一个重要的方法,并往往能够获得很高的分类准确性,然而其非常有限的解释能力成为了制约其应用的一大缺陷。因此在数据挖掘的应用中,使用人工神经网络从中提取出隐含的知识成为一大挑战。因此本文提出了一种从神经网络中提取分类规则的新颖的方法。神经网络规则提取方法主要分为两种:基于结构的方法和基于功能的方法。本文采用的方法属于基于功能的规则提取算法。虽然已经有了一些从神经网络中进行分类规则提取的文章,但本文与这些文章本质上有所不同。本文提出的是一种基于改良蚁群算法的神经网络分类规则提取方法。该方法利用改良蚁群算法来提取规则,采用二进制化的方式处理连续属性,通过改良的蚁群算法来填补神经网络有限的解释能力,从数据中提取出分类规则,方法不依赖于具体的网络结构和训练算法,能够方便地在各种分类器型神经网络上得到应用。实验证明,该方法具有更大的潜力,能够很好的辅助神经网络,从分类的数据中获取更加准确且有效的规则。关键词:蚁群算法;神经网络;数据分类;数据挖掘;规则提取浙江工业大学硕士学位论文
硇籺陀咖鷇咖她鶶‰.胁鷈锄眦.⑵鯿癿廿“癿,咖癿舶鷓琺舶劬畂蟘瓵曲心州“舵舶ⅱ騦鷑锄协瓸籩鷇鷆誷鎜瓵曲縧莄锄篋巧鏻锄锄,锄锄,锄犯健痵够鷇產,,鏰.,甀印,,,.琣鴐,,浙江工业大学硕士学位论文玎ⅱ,句、,仃
目录摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯。第一章绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.第二章第三章第四章数据挖掘和神经网络等理论和技术⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯人工神经网络分类规则提取研究⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.基于改良蚁群算法的神经网络分类规则提取算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.研究背景⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯∫∪国内外研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..数据挖掘概述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.蚁群算法概述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯人工神经网络分类规则提取过程⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯数据处理及优化⋯