1 / 64
文档名称:

基于Kohonen和BP神经网络的数据挖掘方法研究Y.pdf

格式:pdf   大小:1,749KB   页数:64页
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

如果您已付费下载过本站文档,您可以点这里二次下载

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、基于机器学习的方
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习
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
习速度的主要途径。
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
网络的学习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,除了论文中特别加

点击展开更多

分享好友

预览全文

基于Kohonen和BP神经网络的数据挖掘方法研究Y.pdf

上传人:aena45 2021/4/9 文件大小:1.71 MB

下载得到文件列表

基于Kohonen和BP神经网络的数据挖掘方法研究Y.pdf

相关文档