文档介绍:分 类 号 单位 代码
研究生学号 密 级 公 开
吉 林 大 学
硕 士 学 位 论 文
基于 一 神经网络预测算法模型
一 旧 细
作者姓名 孙雯雯
专 业 计算机应用技术
研究方向 数据挖掘与商务智能
指导教师 周春光 教授
培养单位 计算机科学与技术学院
年 月
基于 一 神经网络预测算法模型
旧 一 旧
作者姓名 孙雯雯
专业名称 计算机应用技术
指导教师 周春光 教授
学位类别 工学硕士
答辩 日期 年 月 日
未经本论文作者的书面授权, 依法收存和保管本论文书面版
本 、 电子版本的任何单位和个人, 均不得对本论文的全部或部分
内容进行任何形式的复制 、 修改 、 发行 、 出租 、 改编等有碍作者
著作权的商业性使用 但纯学术性使用不在此限 。否则, 应承担
侵权的法律责任 。
吉林大学硕士学位论文原创性声明
本人郑重声明 所呈交的硕士学位论文, 是本人在指导教师的指导下,
独立进行研究工作所取得的成果 。除文中己经注明引用的内容外, 本论文
不包含任何其他个人或集体己经发表或撰写过的作品成果 。对本文的研究
做出重要贡献的个人和集体, 均己在文中以明确方式标明 。本人完全意识
到本声明的法律结果由本人承担 。
学位论文作者签名 诩、龟龟
日期 年 月 日
提 要
在数据挖掘研究领域, 聚类和预测等问题已被广泛研究 。随着研究的深入, 许多问
题用单一的方法已经不能很好的解决, 因此将多种理论相互融合, 构造更为复杂的数据
挖掘模型来解决真实数据分析 问题是当今研究的热点 。
本文以 神经网络模型为基础, 通过线性预测思想和粗糙集动态聚类方法对模
型的优化, 构造出一种新的预测模型 一 , 并且在公路货运量和环糊精包合常
数两个数据集上验证了模型的有效性 。
本文主要在三个方面进行 了有益的尝试
提出一种新的动态聚类算法 基于粗糙集的动态聚类算法, 该算法利用粗糙
集中上近似集和下近似集的性质, 实现动态地确定类数 的算法, 并通过经典数据集来
验证其优越性 。
构造 了一种新的综合延拓矩阵作为神经网络的输入输 出结构 。考虑到原始数
据中存在着线性关系的情况 , 在数据预处理时, 采用多元线性分析和主成分分析方法构
造综合延拓矩阵 。
提 出了一种基于 神经网络的预测模型 一 模型, 该模型使用
综合延拓矩阵作为神经网络的输入和输出, 使用基于粗糙集的动态聚类算法聚类 , 并将
该聚类结果作为神经网络的隐层节点中心, 达到了