數(shù)據(jù)挖掘決策樹(shù)遺傳算法神經(jīng)網(wǎng)絡(luò)算法碩士論文

1、基于決策樹(shù)和遺傳算法的神經(jīng)網(wǎng)絡(luò)研究及應(yīng)用【摘要】 當(dāng)今社會(huì)人類(lèi)所存儲(chǔ)的數(shù)據(jù)是成千上萬(wàn)的,如何能夠更有效的利用好這些信息已經(jīng)越來(lái)越受到人們的重視。而數(shù)據(jù)挖掘正是一種從數(shù)據(jù)中提取有用的信息,并將之應(yīng)用于各個(gè)行業(yè)的方法。本文首先對(duì)數(shù)據(jù)挖掘中受到廣泛關(guān)注的決策樹(shù)算法、遺傳算法和神經(jīng)網(wǎng)絡(luò)算法進(jìn)行了綜述,描述了各算法的具體實(shí)現(xiàn)過(guò)程及步驟。然后通過(guò)分析決策樹(shù)算法與神經(jīng)網(wǎng)絡(luò)算法的特點(diǎn),將它們進(jìn)行有效得結(jié)合,提出一種基于決策樹(shù)的神經(jīng)網(wǎng)絡(luò)權(quán)值初始化算法。該算法利用決策樹(shù)算法,通過(guò)分析各樣本數(shù)據(jù)來(lái)確定神經(jīng)網(wǎng)絡(luò)的初始權(quán)值,與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)算法比起來(lái),該方法極大的縮小了神經(jīng)網(wǎng)絡(luò)初始權(quán)值的隨機(jī)性,使其更有利于最優(yōu)神經(jīng)網(wǎng)絡(luò)

2、模型的生成。最后將該算法應(yīng)用到了一個(gè)通過(guò)分析企業(yè)類(lèi)型、注冊(cè)資金、盈利比例來(lái)判斷企業(yè)信譽(yù)的例子中,并通過(guò)Matlab編程來(lái)實(shí)現(xiàn)。文章的第四部分提出的是一種基于遺傳算法的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化算法。該算法將遺傳算法與神經(jīng)網(wǎng)絡(luò)算法進(jìn)行了巧妙的結(jié)合,它利用遺傳算法解決了神經(jīng)網(wǎng)絡(luò)算法中比較難的結(jié)構(gòu)優(yōu)化問(wèn)題,而反過(guò)來(lái)又巧妙的運(yùn)用神經(jīng)網(wǎng)絡(luò)算法回避了遺傳算法中如何確定衡量函數(shù)的問(wèn)題。同樣也將該算法應(yīng)用到了一個(gè)超市滿意度的例子中,并運(yùn)用Matlab編程來(lái)具體實(shí)現(xiàn)了該基于. 更多還原【Abstract】 Today, there is thousands of data stored by people. T

3、hen how to use the data effectively has been paid more and more attention. Data mining is just the way that can obtain useful information from thousands of data and apply it in many fields.At the beginning, this article gives a presentation about Decision Tree, Genetic Algorithm and Neural Network w

4、hich are used frequently in Data-mining.Then through the analysis of Decision Tree and Neural Network, this article integrates them together and in. 更多還原 【關(guān)鍵詞】 數(shù)據(jù)挖掘； 決策樹(shù)； 遺傳算法； 神經(jīng)網(wǎng)絡(luò)算法； 【Key words】 Data mining； Decision Tree； Genetic Algorithm； Neural Network； 摘要 4-5 Abstract 5 第1章 概述 7-13 1.1 研

5、究背景 7-8 1.2 數(shù)據(jù)挖掘技術(shù)的發(fā)展與現(xiàn)狀 8-10 1.3 數(shù)據(jù)挖掘的過(guò)程 10-13 第2章 數(shù)據(jù)挖掘的算法 13-22 2.1 決策樹(shù)算法 13-15 決策樹(shù)的基本形式 13-14 決策樹(shù)的ID3算法 14-15 2.2 遺傳算法 15-18 遺傳算法的來(lái)源 15-16 遺傳算法的構(gòu)成因素及實(shí)現(xiàn)過(guò)程 16-18 2.3 神經(jīng)網(wǎng)絡(luò)算法 18-22 神經(jīng)網(wǎng)絡(luò)算法的基本模型 18-20 神經(jīng)網(wǎng)絡(luò)算法的分類(lèi) 20-21 神經(jīng)網(wǎng)絡(luò)算法的具體實(shí)現(xiàn)過(guò)程 21-22 第3章 基于決策樹(shù)的神經(jīng)網(wǎng)絡(luò)權(quán)值初始化 22-32 3.1 一種基于決策樹(shù)的神經(jīng)網(wǎng)絡(luò)權(quán)值初始化算法 22-27 基于決策樹(shù)的神經(jīng)網(wǎng)絡(luò)權(quán)值初始化算法的基本思路 22-23 基于決策樹(shù)的神經(jīng)網(wǎng)絡(luò)權(quán)值初始化算法的實(shí)現(xiàn)過(guò)程及特點(diǎn) 23-27 3.2 實(shí)例應(yīng)用 27-32 實(shí)例 27-29 應(yīng)用結(jié)果及分析 29-32 第4章 基于遺傳算法的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化 32-43 4.1 一種基于遺傳算法的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化算法 32-39 神經(jīng)網(wǎng)絡(luò)的BP算法 32-35