基于模糊神经网络的数据挖掘技术的研究

简要叙述数据挖掘的概念及几种主要的数据挖掘方法,提出一种基于模糊神经网络的数据挖掘算法,把模糊理论和神经网络结合起来构造、训练模糊神经网络,弥补神经网络结构复杂、网络训练时间长、结果表示不易理解等不足。     

模糊信息系统上的规则提取

利用源于粗糙集理论的知识分类方法 ,从模糊关系数据库中提取有用的模糊推理规则 ,从而为模糊推理中模糊推理规则的产生提供了一种较为客观的方法 ,并将该方法应用到不完备信息系统的完备化     

一种垂直分布环境下的特征选择及规则提取算法

特征选择及规则提取是数据挖掘过程中的重要环节.Rough集理论提供了一种新的属性约简即特征选择及规则提取工具,但目前Rough集理论研究主要针对单个决策表(或信息系统),分布式环境下的粗糙集理论研究还不多见.文章提出一种垂直分布环境下的特征选择及规则提取算法,算法分析结果表明,该种算法是有效可行的.     

一种基于粗糙集的数据挖掘模型

粗糙集理论是一种处理不确定和不精确问题的数学工具。运用模拟例子通过不同简化层次的算法导出每个层次上的信息集,最后得到规则集来说明如何建立和运用这种数据挖掘模型。     

一种模糊神经网络的人脸识别方法

将模糊推理系统和神经网络相结合,给出了一种模糊神经网络的人脸识别方法.介绍了该模糊神经网络的结构,构造模糊神经网络模糊规则的方法,模糊神经网络的多准则学习算法.在ORL人脸图像库上的实验结果表明了该方法的有效性.     

模糊神经网络研究现状综述

概述了近年来模糊神经网络领域的研究方法和研究的进展,从模糊系统和神经网络结合的可能性到模糊神经网络的结构确定、常见算法、规则的提取等进行了总结和概述,并对将来的研究方向进行了探索。     

数据挖掘中的关联规则方法

介绍了关联规则的基本概念,总结了关联规则的分类及各种挖掘算法,并对一些典型算法进行了介绍,最后,展望了关联规则挖掘的下一步研究方向。     

数据挖掘中的关联规则方法

介绍了关联规则的基本概念,总结了关联规则的分类及各种挖掘算法,并对一些典型算法进行了介绍,最后展望了关联规则挖掘的下一步研究方向。     

一种融合粗集理论和神经网络的分类数据挖掘算法

分类是一种重要的数据分析技术．可以用于提取描述重要数据类的模型和预测未来的数据趋势。本文提出了一种新的粗集理论和神经网络融合的分类方法。不同以往的组合方法，在该方法中粗集理论是挖掘分类知识的主体，最终的分类规则由粗集方法从约简后的决策表中得到，神经网络只是作为一种辅助工具，用来对决策表进行属性约简，并通过删除网络不能分类的数据来对决策表中的噪声进行过滤。与以往方法相比。该方法在保留神经网络高鲁棒性的同时避免了从神经网络中抽取规则的困难。     

一种基于模糊神经网络的变压器故障诊断方法的研究

文章介绍了一种基于模糊逻辑理论的人工神经网络，提出了利用模糊数学对神经网络的输入进行预处理的方法，并将其应用于变压器故障的诊断，提高了IEC比值法诊断变压器故障的复杂性和准确性。     

使用关联规则提高Web访问速度的一种方法

提出了一种采用关联规则提高用户访问速度的方法，并通过对服务器的访问日志进行挖掘，得到用户访问序列的关联规则，将这些规则应用于客户浏览，把用户随后最有可能访问的网页预先传送到用户本地，以提高访问速度．详细论述了该方法的实现方案、算法、运行的环境以及对该方法的分析。     

一种改进的关联规则挖掘方法

从大量事务记录中发现有意义的关联规则，可以帮助做出许多商务决策，如分类设计、交叉购物，从而提高销售额度和利润．一种基于链表族数据结构的关联规则挖掘的改进方法，性能明显优于Apriori算法．由于该方法只需访问数据库一次，时于挖掘海量数据其性能尤为明显．     

规则提取算法LBR-EM3及其在心电信号中的应用

提出了一个基于规则算法LBR-EM3的粗一模糊神经网络结构.该方法经MIT\BIH心电数据库测试表明,该系统无论在分析效率上,还是在系统的自适应能力上都较传统的心电信号分析方法有很大的改进,效果也较径向基函数网络有很大的提高.     

一种获取模糊规则的新型遗传编码方法

在设计遗传算法来解决模糊规则的获取问题中，模糊规则及其参数的编码和解码是重要的一项内容.对影响遗传机制的编码方法进行了探索，在借鉴别人的成果的基础上，给出了一种新的遗传编码方法.这种编码方法比其他编码方法更能使算法达到最优解，从而提供了利用遗传算法来获取模糊规则的一个较好的途径.     

一种温度控制系统的模糊神经网络控制方法研究

针对无法取得精确数学模型的温度控制系统的节能控制问题,提出一种温度控制的模糊神经网络控制器,通过智能控制空调设置温度的方式实现节能。以通信基站为例,通过仿真实验,表明采用提出的控制策略可以克服不确定性的影响,系统具有更好的鲁棒性和自适应能力。这种方法可用于相似温度控制环境下的节能。     

基于神经网络的数据挖掘算法

数据挖掘涉及多学科技术的集成,包括数据库技术、神经网络、模式识别、信息检索、图像与信号处理和空间数据分析等.神经网络在数据挖掘中的应用也越来越广泛,尽管神经网络具有结构复杂、网络训练时间长、结果表示不容易理解等缺陷,但其对噪声数据的高承受能力和低错误率的优点是其他方法所不及的,并在数据挖掘所采用的方法中具有优势.本文对基于BP神经网络的数据挖掘算法进行了详细的讨论,并提出了算法改进方法.     

基于粗集和神经网络的混合数据挖掘方法

在处理大数据量、消除冗余信息等方面,粗集理论有着良好效果;神经网络则具有独特的模型结构和固有的非线性模拟能力,以及高度的自适应和容错特性等突出特征。有效结合这两种技术是近几年数据挖掘领域的一个研究热点。该文通过实践提出了一个新的混合挖掘方法。     

一种基于模糊规则的分布式OA专家系统模型

通过对CORBA、分布式、多agent、模糊聚类、OA系统、专家系统以及决策支持等技术的分析 ,提出了一种基于模糊规则的分布式OA专家系统模型 (DOAES) .在该模型中 ,决策者的知识和经验经处理转化到知识库中 ,从而使系统具有自适应和自学习能力 .DOAES模型成功地应用在招商引资管理系统中 .     

在关系数据库中提取关联规则的实现方法

利用粗糙集知识,提出了一个从关系数据库中提取关联规则的方法,并给出了完整的实现过程。在如何提高规则的有效性上,对冗余属性约简和规则兴趣度等方面进行了有益的研究和探讨。     

模糊关联规则的挖掘算法

关联规则的挖掘是数据挖掘中的重要内容之一,关联规则包含了一组对象之间的特定关系.目前对关联规则的研究,仅限于用确定和精确的概念表示的确定关联规则.而现实生活中,数据之间的关系通常表现为模糊关系,用确定的关联规则不能表示数据之间的这种关系.为了拓广关联规则的表示和应用范围,本文讨论了模糊关联规则的概念,并提出了一种基于集合枚举树的模糊关联规则的挖掘算法FAAR.