基于改进神经网络的挖掘算法设计

《基于改进神经网络的挖掘算法设计》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、摘要：针对传统的数据挖掘算法存在结构复杂、耗时长、数据分析过程中易出现错误，数据计算结果难以准确表达结果等缺陷，提出结合神经网络在数据挖掘中的应用方法。由于神经网络拥有对噪声数据承受能力高、错误率低等优点，因此结合神经网络系统对数据挖掘算法进行改进设计可大幅度提高数据准确性，该方法拥有结构简单、表述清晰、精准度高等优势。为基于神经网络的数据挖掘算法的可行性进行了严谨的实验分析，对实验数据进行认真的记录和研究，实验结果表明，基于神经网络的挖掘算法相比传统数据挖掘算法，其精度明显提高，且整个过程耗时较短，由此可证实

2、基于神经网络的数据挖掘算法具有更高的实用性。关键词：数据挖掘；神经网络；粗糙集；数据挖掘算法；数据计算；可行性分析中图分类号：TN711734；TP183文献标识码：A文章编号：10047373X(2018)1470143704DesignofminingalgorithmbasedonimprovedneuralnetworkHUANGWenfeng(HenanProvincialInstituteofScientific&TechnicalInformation,Zhengzhou450003,China)

3、Abstract：Inallusiontotheshortcomingsexistinginthetraditionaldataminingalgorithmforitscomplexstructure,longtimeconsumption,erroreasilyappearingindataanalysisprocess,anddifficultyinaccurateresultexpressionofdatacalculationresults,anapplicationmethodofcombining

4、neuralnetworkindataminingisputforward.Astheneuralnetworkhastheadvantagesofstrongabilitytowithstandnoisedata,andlowerrorrate,improvementdesignofthedataminingalgorithmbycombiningwiththeneuralnetworksystemcangreatlyimprovethedataaccuracy.Thismethodhastheadvanta

5、gesofsimplestructure,clearexpression,highprecisionandsoon.Arigorousexperimentanalysisforthefeasibilityofthedataminingalgorithmbasedonneuralnetworkisperformedonthebasisoftherecordedexperimentaldata.Theexperimentalresultsshowthattheminingalgorithmbasedonneural

6、networkhashigheraccuracyandshortertimeconsumptionthanthetraditionaldataminingalgorithm,whichcanconfirmthatthedataminingalgorithmbasedonneuralnetworkismorepractical.Keywords:datamining；neuraInetwork；roughset；dataminingalgorithm；datacalculation；feasibilityanal

7、ysisO数据挖掘算法是从数据库的数据中提取隐含有用信息的过程。现阶段常用的数据挖掘算法和理论主要集中于粗糙集理论和遗传算法等相结合的方式口]。为了解决传统方法结构复杂、耗时长、错误率高等问题，提出改进神经网络的数据挖掘算法。首先对神经网络进行优化和改进，以便减少误差，然后基于改进后的神经网络设计数据挖掘算法。该算法拥有鲁棒性强、精准度高、抗噪能力强、数据承受能力高、错误率低等优势，可广泛应用于机器学习等领域[2]o通过仿真实验对神经网络挖掘算法的功能进行验证发现其对数据的搜索能力强大、擅长全局搜索，且对数据挖

8、掘的准确性和实时性相对较高，可成功解决传统方法中的诸多缺陷，具有较高的使用价值。1神经网络算法优化设计结合神经网络自身特点以及遗传算法的优势对神经网络进行优化[3]o本文默认网络结构为拓扑结构，主要便于对隐层数及节点数进行计算。由于人工干预常常会对网络隐层数及节点数造成一定破坏，难以对其进行准确测量和计算，考虑通过遗传算法对其进行优化从而避免人工干预次数[4]o首先，对初始化网络结构进