改进的遗传BP神经网络数据挖掘算法及应用

介绍了数据挖掘的定义和常用方法,研究了基于遗传BP神经网络的数据挖掘算法,并对其交叉算子进行了改进,提高算法训练速度。实验结果表明,将该方法应用于油气识别中,效果良好,具有一定的实际应用价值。     

基于BP神经网络的数据挖掘方法

神经网络的高度参数化特征使它特别灵活,以至于它可以精确的对数据进行分类,成为目前公认的高精度分类器。本文介绍一种基于BP神经网络的数据挖掘的分类方法,并提出了改进思想。     

基于BP神经网络算法的数据挖掘方法研究

详细介绍了数据挖掘技术的相关概念、任务以及神经网络原理,指出了传统的BP算法在数据挖掘过程中的不足之处,提出了一种变异的BP神经网络算法,大大提高了BP神经网路算法的收敛速度.     

一种基于遗传BP神经网络的预测模型

目前神经网络常用于数据挖掘及金融预测中,提出了一个改进的稳定且高效的遗传BP神经网络预测模型.在该模型中提出了一种能够真实反映BP网络结构的编码,并对二进制编码与实数进行映射而不改变染色体的表达方式,以便更好地进行杂交变异.同时还提出了一种更能准确地反映网络误差的误差函数,它是利用相对误差并综合其他相关因素来定义的,通过实验对比分析,该误差函数使预测更加准确.最后,从编码方式以及网络误差出发提出了相应的遗传算法的适应度函数.实验中对股票及其他数据进行了测试,并与其他的预测模型进行了对比分析.通过实验表明,提出的遗传BP神经网络模型适用于长趋式预测,同时预测结果准确率高.     

BP神经网络在数据挖掘中的应用

随着信息技术的发展以及数据库管理系统的广泛应用,作为系统数据支撑的数据库,其存储的数据量急剧增大。运用数据挖掘技术,可以提取到这些海量的数据背后隐藏着的许多重要信息。但是,目前在大量非线性、多目标的复杂数据挖掘中仍存在一些问题。而神经网络在处理非线性、多目标数据方面有着较大优势。因此,本文将神经网络与数据挖掘相结合,阐述了BP神经网络在数据挖掘中应用的关键技术及实现方法。     

基于改进的遗传神经网络数据挖掘方法研究

介绍了数据挖掘的定义、功能以及数据挖掘的常用技术，研究了基于改进的遗传神经网络的数据挖掘技术,对其算法进行详细阐述，并将该方法应用于入侵检测中。研究结果表明应用效果良好，具有一定的推广价值。     

BP神经网络的医学数据挖掘

随着电子病历系统等一些临床信息系统的广泛使用,如何从医院的病历数据库中挖掘出更有价值的医学信息已成为当今一个研究热点。针对面向电子病历的医学数据挖掘,本文探讨和总结了医学数据挖掘体系结构、BP神经网络算法及应用,最后对面向电子病历的医学数据挖掘进行了展望。电子病历的医学数据挖掘的研究不但促进了电子病历系统向智能化、知识化方向发展,而且为医学研究做出了突出贡献。     

自适应遗传BP神经网络模型在统计建模中的应用

利用一种自适应遗传BP神经网络模型对第三产业的产值比重和就业比重同时进行预测,实验结果表明该方法有很高的预测精度,具有一定的实用价值。     

基于遗传BP神经网络的短时交通流预测

为了预测未来一段时间的短时交通流,提出了一种利用BP神经网络进行预测的方法。将历史时刻的车流量作为网络输入,未来短时流量作为输出,采用单步预测。为了缩短收敛时间,避免陷入局部极小值,用遗传算法优化网络初始权值和阈值。对未优化与优化后的网络进行测试。实验证明,未优化的BP神经网络预测精度较低,且收敛时间较长;而遗传优化算法使预测精度及收敛速度得到极大改善,但样本的数量及质量是影响预测精度的关键要素。     

基于BP神经网络的应用研究

详细讨论了BP神经网络的原理及其模型的建立过程,并把它应用到高校的学生就业工作中,借助计算机对就业信息进行挖掘,所获取的知识对指导今后的教学和学生工作有重要意义。实验仿真结果表明该模型能够很好的实现预期的预测效果。     

用遗传算法改进的BP神经网络剪枝算法来优化决策树模型

决策树是一种有效的分类方法,但在构建决策树模型的过程中,常常会出现模型过度拟合的现象。利用基于BP神经网络的决策树剪枝算法(BP-Pruning)进行软剪枝处理,然后根据BP-Pruning的一些不足,提出一种改进算法,简称GBP-Pruning算法。该算法通过引入遗传算法来训练BP-Pruning算法模型中的权值和阈值,从而克服了BP-Pruning算法上的不足,最后验证了GBP-Pruning算法的可行性。     

遗传算法优化 BP 神经网络的信号检测

针对传统方法单独采用 BP 神经网络算法易陷入局部极值的问题,提出了遗传算法优化 BP 神经网络,并将其应用于 MIMO -OFDM系统信号检测中。该方法将遗传算法与神经网络相结合,用遗传算法优化神经网络初始值,使 BP 网络快速收敛到最优解,避免了由初始值的随机选取而带来的检测误码。仿真结果表明所提出的方法在误码率方面有比较好的性能。     

基于遗传算法的BP 神经网络在城市用水量预测中的应

城市用水量的准确预测对供水系统的调度、改进具有重要意义。为解决传统BP神经网络预测模型易陷入局部极小、调整权值和参数需要不断尝试等问题,选用基于生物进化理论的遗传算法(Genetic Algorithms,GA)对其优化,提出了以GA优化BP网络的算法(GA-BP)。同时,针对以往BP神经网络预测模型因输入变量选取不当导致的误差精度过低的缺点,通过分析城市时用水量变化规律,得到合适的输入变量。最后,建立预测模型并使用历史数据进行训练和仿真。将预测模型应用于深圳市某供水公司,结果表明,该网络模型在城市时用水量预测中具有可靠性和适用性。     

基于GA、BP神经网络和多元回归的集成算法研究

遗传算法、BP神经网络和多元回归是目前应用比较广泛的数据挖掘算法,它们各俱优点,同时也存在诸多无法避免的缺陷。该文在前三者的基础上,提出一种BP网络与多元回归模型融合的杂合BP网络,并采用遗传算法优化杂合BP网络的初始权值,有效地避免几种方法在单独使用时存在的缺陷。验证实验结果表明：新方法所建立的模型在收敛速度、精度和...     

基于粗糙集理论和BP神经网络的数据挖掘算法

根据数据挖掘中粗糙集理论和BP神经网络各自的优势和存在的问题,提出了一种将粗糙集理论和BP神经网络理论结合在一起的算法。该算法利用粗糙集对属性的归约功能将数据仓库中的数据进行归约,并将归约后的数据作为训练数据提供给BP神经网络。通过粗糙集归约,提高了训练数据表达的清晰度,也减小了BP神经网络的规模,同时利用BP神经网络又克服了粗糙集对噪声数据敏感的影响。文中提出了代价函数,解决了训练数据与网络精度的问题,也提供了由粗糙集归约向BP神经网络训练转变的依据。     

基于改进神经网络的数据挖掘

本文提出了基于改进的模糊逻辑神经元网络算法的FCM算法,在随机蛤出的初始聚类中心的试验中具有很好的性能。     

基于神经网络与遗传算法的数据挖掘体系结构

从神经网络中提取规则可以有效地应用于数据挖掘中的分类问题。作为一种有效的优化方法,遗传算法可以应用于规则剪枝。提出了一个基于神经网络与遗传算法的数据挖掘体系结构,可以应用于数据挖掘中的分类问题。     

基于免疫遗传神经网络的CRM数据挖掘模型的设计与实现

客户分类是智能CR M系统的一个重要功能。该文提出使用前馈型神经网络构作一个CRM客户分类模型的思想,并用免疫遗传算法对其进行优化。在染色体设计上提出了三层结构的染色体,解决单层结构染色体中,短基因组实际变异机率过小的问题,促使子代种群有更好的“生物多样性”。最后通过实验证明模型有较好的客户类别识别率及优点。