基于模糊神经网络的数据挖掘与控制规则提取
数据挖掘就是通过处理数据库系统中储存的数据来获取未知的、有用的知识的过程,是一个富有无限生机和广阔应用前景的数据智能技术.到目前为止,数据挖掘还不存在一个普遍适用的算法,许多数据挖掘方法都是基于各自的角度,针对具体目标和应用对象而设计.该文面向于工业控制技术的应用,将模糊神经网络智能技术与数据挖掘方法相结合,研究控制规则的挖掘和提取.传统BP算法收敛速度慢,为改善BP算法的性能,该文探讨了一种两阶段混合学习算法,把传统计算中的构造方法引入神经网络学习,实际上是把神经网络计算同传统计算结合起来,相互取长补短.将神经网络学习看成是依据训练数据构造网络的过程,首先根据非监督学习算法直接构造出网络的结构,包括隐层节点的数目,以及各个节点的参数(权、阈值等),然后采用监督学习算法来优化网络参数.实验证明这种反向传播的学习收敛速度优于一般的反向传播学习算法,其原因是第一阶段的自组织学习过程已经预先完成了一些学习工作,从而提高了学习速度.
数据挖掘;模糊神经网络;增量学习;规则提取
北京化工大学
硕士
控制理论与控制工程
刘振娟
2003
中文
TP311.13
62
2004-04-08（万方平台首次上网日期，不代表论文的发表时间）