神经网络与数据挖掘

《神经网络与数据挖掘》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、神经网络与数据挖掘1、神经网络与数据挖掘之间的关系从接张亚明老师的题开始，我就一直搞不清楚神经网络和数据挖掘是什么关系。神经网络指的是一种模型。这种模型意在模仿人脑神经元的工作，但是它的实现则是通过矩阵的迭代变换实现的。人工神经网络的学习过程就是神经元连接权值的调整过程。具体实现则是依照一定的规则的去迭代地改变权值矩阵的值。你学习神经网络的目的，是为了试图把你所需要解决的问题以神经网络的模型加以描述，并且设计调整神经元连接权值的规则来解决你的问题。神经网络目前在控制领域要比计算机领域应用的多。对于计算机领域神经网络可以拓展到并行计算

2、，但是神经网络只是诸多并行计算模型中的一种，并且它遇到两方面的难题，一种是它能够解决的问题范围比较狭窄，基本上仅限于可以数值计算(工程力学计算、信号分析以及图像识别等)的问题，以及寻求最优解。但是就它所能解决的问题而言，同样存在其他模型可以解决同样的问题。对于控制领域则更倾向于应用，比如设计神经网络的硬件电路，来实现实现某个特定功能的芯片。数据挖掘指的是一类很广泛的问题，它限定的是处理的对象是数据，但并没有限定处理的方法。事实上神经网络模型在数据挖掘问题中有大量的应用。但是数据挖掘技术可以用来解决的问题还有很多。像搜索引擎优化、聚类

3、分析等都是数据挖掘的问题。数据挖掘的技术不仅包括神经网络，还有其他大量的方法或模型(比如贝叶斯机，支持向量机，模拟退火以及进化算法等等)。您在学习的过程中这些都会涉及到。最后您的工作极有可能是用某一种特定的方法解决数据挖掘中的某个问题。当然，数据挖掘的问题主要使用计算机来解决的。综上所述，应该是神经网络是数据挖掘中具体实现的方法之一。以下摘抄于网上，希望可以帮助自己打开思路。数据挖掘1996年，Fayyad、Piatetsky-Shapiro和Smyth[FPS96]对KDD(KnowledgeDiscoveryfromDataba

4、ses)和数据挖掘的关系进行了阐述。他们指出，KDD是识别出存在于数据库中有效的、新颖的、具有潜在效用的、最终可理解的模式的非平凡过程，而数据挖掘则是该过程中的一个特定步骤。但是，随着该领域研究的发展，研究者们目前趋向于认为KDD和数据挖掘具有相同的含义，即认为数据挖掘就是从大型数据库的数据中提取人们感兴趣的知识。将神经网络应用于数据挖掘的必要性数据挖掘的困难主要存在于三个方面[GW98]：首先，巨量数据集的性质往往非常复杂，非线性、时序性与噪音普遍存在；其次，数据分析的目标具有多样性，而复杂目标无论在表述还是在处理上均与领域知识有

5、关；第三，在复杂目标下，对巨量数据集的分析，目前还没有现成的且满足可计算条件的一般性理论与方法。但是，由于现实世界数据库中存在着大量有待利用的信息，在潜在的巨大利益驱动下，数据挖掘研究目前成为了机器学习、数据库等领域的研究热点。在早期工作中，研究者们主要是将符号型机器学习方法与数据库技术相结合，但由于真实世界的数据关系相当复杂，非线性程度相当高，而且普遍存在着噪音数据，因此这些方法在很多场合都不适用[Wu95]。如果能将神经计算技术用于数据挖掘，将可望借助神经网络的非线性处理能力和容噪能力，较好地解决这一问题。另一方面，从挖掘出的知

6、识种类来看，目前数据挖掘研究主要着重于关联规则、特征规则、分类规则、聚类规则、时序规则、模式相似性、Web浏览路径等方面。虽然利用神经计算挖掘关联规则具有较大难度，但其完全可以胜任其他种类知识的挖掘。因此，设计出基于神经网络的数据挖掘方法并将其用于真实世界问题，不仅是可行的，而且也是必要的。研究进展一些研究者[LSL95,CS97]指出，将神经计算技术应用于数据挖掘主要存在两大障碍。首先，神经网络学到的知识难于理解。其次，学习时间太长，不适于大型数据集。如果这两个问题得以解决，基于神经网络的数据挖掘将具有广泛的应用前景。针对上述问题

7、，基于神经网络的数据挖掘主要有两方面的研究内容，即增强网络的可理解性以及提高网络学习速度。目前，前者的解决方案是从神经网络中抽取易于理解的规则，后者的解决方案则是设计快速学习算法。由该思路出发，Lu等人[LSL95]设计了一个数据挖掘系统NeuroRule，并对Agrawal等人[AIS93]提出的数据挖掘基准测试问题进行了实验；本文作者[ZCC99]则利用规则抽取算法SPT[ZHYC00]和快速学习算法FTART[CZLC96,CLZC97]，成功地对台风数据库进行了分类规则挖掘。值得注意的是，在试图将神经计算用于数据挖掘，甚至在

8、数据挖掘产生之前，就已经有研究者对神经网络规则抽取以及快速学习算法进行了研究，他们的工作为基于神经网络的数据挖掘的发展奠定了良好的基础。规则抽取神经网络规则抽取的研究最早开始于80年代末。1988年，Gallant[Gal88]设计了