基于神经网络的网络信息挖掘的应用

《基于神经网络的网络信息挖掘的应用》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、基于神经网络的网络信息挖掘的应用摘要：人工神经网络是二十世纪科学技术发展取得的重大成果之一，是人类认识自然道路上的一座里程碑。一门影响巨大、意义深远的科学技术，其发展过程必然揭示了科学发展的基本规律以及影响其发展的主要原因。本文简要介绍了人工神经网络的发展过程和基本特征，从神经网络具有自学习能力、联想存储能力、告诉寻找优化解的能力三个方面论述了其特点和优越性。然后本文针对网络文本挖掘，实现了网络信息挖掘中的数据预处理问题，包括中文分词和特征提取。针对网络信息文本挖掘的实际应用问题，提出将人工神经网络应用在网络信息挖掘技术当中，以实现文本挖掘中的分

2、类功能，并将其实现。最后本文探讨和分析了人工神经网络的发展前景。关键词：人工神经网络；模式识别；神经计算；网络信息挖掘；文本分类13目录基于神经网络的网络信息挖掘的应用2目录31人工神经网络的发展历程42人工神经网络的基本特征和优越性52.1人工神经网络的基本特征52.2人工神经网络的优越性63人工神经网络的模型64基于神经网络的网络信息挖掘的应用74.1web挖掘预处理74.1.1Web文本挖掘及其一般流程74.1.2数据预处理技术84.1.3特征提取算法94.2改进神经网络算法104.2.1BP算法训练网络步骤104.2.2BP算法存在的问题

3、114.2.3改进的BP算法115人工神经网络的发展前景13结语14参考文献1413作为一门活跃的边缘性交叉科学，人工神经网络的研究与应用成为人工智能、认知科学、神经生理学、非线性动力学等相关专业的热点。近十年来，针对神经网络的学术研究大量涌现，它们当中提出了数百种神经网络，涉及联想记忆、自学习与自组织、计算机视觉等众多的方面，取得了引人瞩目的进展。1人工神经网络的发展历程人工神经网络的研究始于40年代初。半个多世纪以来，经历了兴起、高潮与萧条、高潮及稳定发展的曲折道路。1943年，心理学家McCulloch和数理逻辑学家Pitts建立了神经网络

4、和数学模型，称为MP模型。他们通过MP模型提出了神经元的形式化数学描述和网络结构方法，证明了单个神经元能执行逻辑功能，从而开创了人工神经网络研究的时代。1949年，心理学家D.Hebb提出了突触联系强度可变的假设，根据这一假设提出的学习规律为神经网络的学习算法奠定了基础。60年代，人工神经网络的到了进一步发展，更完善的神经网络模型被提出，其中包括感知器和自适应线性元件等。M．Minsky等仔细分析了以感知器为代表的神经网络系统的功能及局限后，于1969年出版了“Pereeptron”一书，指出感知器不能解决高阶谓词问题。他们的论点极大地影响了神经

5、网络的研究，加之当时串行计算机和人工智能所取得的成就，掩盖了发展新型计算机和人工智能新途径的必要性和迫切性，使人工神经网络的研究处于低潮。1982年，美国加州工学院物理学家J．Hopfield提出了HNN模型，且易用集成电路实现。80年代以后人工神经网络及其应用，又得到发展。为适应人工神经网络的发展，1987年成立了国际神经网络学会，并决定定期召开国际神经网络学术会议。1988年1月NeuralNetwork创刊。1990年3月IEEETransactiononNeuralNetwork问世。我国于1990年12月在北京召开了首届神经网络学术大会

6、，并决定以后每年召开一次。这些为神经网络的研究和发展起了推波助澜的作用，人工神经网络步入了稳步发展的时期。90年代初，诺贝尔奖获得者Edelman提出了Darwinism模型，建立了神经网络系统理论。同年，Aihara等在前人推导和实验的基础上，给出了一个混沌神经元模型，该模型已成为一种经典的混沌神经网络模型，该模型可用于联想记忆。　1991年，Hertz探讨了神经计算理论，对神经网络的计算复杂性分析具有重要意义。1992年，Holland用模拟生物进化的方式提出了遗传算法，用来求解复杂优化问题。1993年方建安等采用遗传算法学习，研究神经网络控

7、制器获得了一些结果。1994年Angeline等在前人进化策略理论的基础上，提出一种进化算法来建立反馈神经网络，成功地应用到模式识别，自动控制等方面。131995年Mitra把人工神经网络与模糊逻辑理论、生物细胞学说以及概率论相结合提出了模糊神经网络，使得神经网络的研究取得了突破性进展。1996年，ShuaiJW’等模拟人脑的自发展行为，在讨论混沌神经网络的基础上提出了自发展神经网络。1997、1998年董聪等创立和完善了广义遗传算法，解决了多层前向网络的最简拓朴构造问题和全局最优逼近问题。随着理论工作的发展，神经网络的应用研究也取得了突破性进展

8、，涉及面非常广泛，就应用的技术领域而言有计算机视觉，语言的识别、理解与合成，优化计算，智能控制及复杂系统分析，模式识别，神经计算机研制，