基于kohonen和bp神经网络的数据挖掘方法研究

《基于kohonen和bp神经网络的数据挖掘方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中南大学硕士学位论文基于Kohonen和BP神经网络的数据挖掘方法研究姓名：莫礼平申请学位级别：硕士专业：计算机使用技术指导教师：樊晓平20060522摘要数据挖掘足从结构化或非结构化的原始数据中自动获取知识的过程，数据挖掘效率依赖于所使用的挖掘方法。根据所涉及的科学领域，数据挖掘方法可粗略分为基于统计学的方法、基于机器学习的方法、基于神经网络的方法和基于数据仓库的方法四大类。基于神经网络的方法可以对大量复杂的非线性数据进行分析，并能完成极为复杂的模式识别及趋势分析，适用于构造多种数据挖掘模型。然而，由于神经网络的输出结果的可解释性较差，而且神经网络需要较长的学习时间

2、，当需要分析的数据量很大时，有可能导致该类挖掘方法的性能下降。通过改进算法来优化网络是目前提高神经网络的可理解性和学习速度的主要途径。本文结合SOM算法和BP算法的改进，研究了基于Kohonen和BP神经网络的数据挖掘方法。在对Kohonen网络和BP网络的拓朴结构、用于数据挖掘的基本原理及算法进行分析的基础上，本文提出了两种改进算法。一种是由邻域函数决定权重调整程度的改进SOM算法，该算法避免了基本SOM算法调整权重前的邻域判断过程，有利于提高Kohonen网络的学习速度和自适应性；另一种是基于局部权重及阈值调整的改进BP算法，该算法动态地将网络权重及阈值的全局调整

3、改变为局部调整，提高TBP网络的收敛速度。仿真实验证明了两种改进算法的优越性。本文重点研究]'Kobonen网络聚类和BP网络分类挖掘方法的组合使用。在前述两种改进算法的基础上，提出了组合使用的基本思想，并据此设计了先利用Kohonen子网聚类结果将原始数据进行初步分类，再由BP子网根据初步分类结果完成精确分类的组合神经网络分类模型；讨论了如何在故障诊断中使用该模型的过程；并通过电力变压器故障诊断的仿真实验，比较了组合网络分类模型和单一BP网络分类模型的故障诊断效果。实验结果表明组合模型不但克服了单一Kohonen网络输出结果不易理解，单--BP网络泛化性能差、难以实

4、现精确分类的缺点；而且在实现精确分类的正确性方面优于单一的BP网络分类模型，能够对电力变压器故障的现场分析诊断起到一定的指导作用。关键词神经网络，数据挖掘，聚类分析，分类，故障诊断ABSTRACTDataMining(DM)isaprocessofacquiringknowledgeautomaticallyfromthestructuralornon-structuralOri}ginaldata．TheefficiencyofDMdependsonadpotedmethod．Accordingtosciencefieldsinvolved，theDMmethods

5、areroughlydiviedintofourtypeswhichareseparatelybasedonStatistics，MachineLearning，ArtificialNeutralNetwork(aNN)andDataWarehouse．Amongthem，themethodbasedonANNcarlanalyzeagreatdealofcomplicatednon．1ineardam,andcancompletetheextremelycomplicatedpaaemrecognitionandtrendanalysis．Thismethodcan

6、beapplicabletoconstructmanifolddataminingmodel．However，itisratherdifficulttoexplaintheoutputofANNFuthermore，ANNneedlongerlearningtime。SOwhentherearelotsofdatatobeanaly?,,ed,theperformanceofthismethodprobably。becomeworse,Atmepresent。time，algorithmimprovingisthemainapproachtoincreasethein

7、telligibilityandlearningspeedofANN．Combiningwithalgorithmimproving，thispaperstudiestheDMmethodsbasedonKohonenandBPneutralnetwork．Onthebasisofanalyzingthetopologicalstructure，rationaleandalgorithmofKohonenandBPneutralnetwork,twoimprovedalgorithmsareputforward．Oneofthemisaimprove