用神经网络来进行数据库中的知识发现(英文)

讨论了数据库中的知识发现的基本技术 ,提出了一种适用于数据挖掘的神经网络方法 ,并给出了神经网络数据挖掘系统的构造过程 ,应用结果表明该方法是可行有效的 ,并对该方法进行了深入的讨论。     

一种基于组合模型的时间序列数据挖掘系统

提出了一种新的时间序列数据挖掘方法———基于BP(Back Propagation)神经网络和回归分析的组合时间序列数据挖掘模型.重点讨论了神经网络———回归———线性神经网络组合模型的建立过程,强调了通用性,并应用于浙江省可持续发展预测,取得了满意的结果.该组合模型采用神经网络技术来确定权重系数,提高了对复杂非线性系统的拟合能力,为时间序列数据挖掘提供了一种新的实用方法.     

一种基于遗传算法的数据挖掘新方法

文章首先对相关理论进行了概述,阐明了数据挖掘和遗传算法的产生与发展以及他们的相互结合,接着提出了BP神经网络的原理及其不足之处。然后提出了一种遗传算法和BP神经网络相结合的算法,并讨论了该遗传算法的编码方法、遗传算子的设计和适应度函数的构造,并把算法运用在数据挖掘技术中。     

数据挖掘技术及其应用

数据仓库是信息领域中近年来快速发展起来的一种技术，指出了分析数据仓库内容有2种基本的方法：联机分析处理和数据挖掘；讨论了联机分析处理的体系结构，提出了数据挖掘中一些常用的方法：决策树、关联及数据统计分析、神经网络和最近邻方法；介绍了数据挖掘的应用。     

敏感性分析在数据挖掘中的应用

对敏感性分析方法及其在数据挖掘中的应用进行了分析研究，并在此基础上提出了将敏感性分析和神经网络模型相结合的方法应用于数据挖掘中的兴趣挖掘和利润挖掘中。最后给出应用该方法对兴趣和利润进行挖掘的执行步骤。研究结果表明，把敏感性分析应用于神经网络能够帮助我们在动态环境中识别对附属变量（如利润）有影响的敏感因素，从而指导决策制定。     

基于神经网络的数据挖掘方法评述

简要叙述了数据挖掘的概念及几种主要的基于神经网络的数据挖掘方法,并对这些方法的研究现状进行了评述,指出其存在的问题.展望神经网络在数据挖掘中的发展潜力.     

数据挖掘技术浅析

本文主要概述了数据挖掘理论知识。首先从数据挖掘与知识发现的交叉关系角度讨论了数据挖掘的概念;然后,在对数据挖掘功能作了简单介绍的基础上,分析了基于统计学、基于机器学习、基于数据仓库和基于神经网络的四类数据挖掘方法的基本原理、特点。最后,给出了比较和评价挖掘方法的参考标准。     

基于BP神经网络的数据挖掘技术的研究

研究如何将BP神经网络与数据挖掘技术相结合,从海量数据中挖掘出潜在的有用的信息.介绍了数据挖掘以及神经网络的概念,分析了数据挖掘技术的处理过程以及BP神经网络的原理,阐述了数据挖掘技术与神经网络结合的关键技术及实现方法.     

基于BP神经网络的食品安全抽检数据挖掘

数据挖掘技术在食品安全领域拥有巨大的应用价值和潜力。通过分析逆向传播(BP)神经网络算法,说明使用该方法的可行性和优越性。以抽检数据为对象,阐述了数据预处理过程,设计并实现了数据挖掘实验。最后利用挖掘结果进行食品检验结论预测,验证了方法的实用价值和指导意义。实验表明,基于BP神经网络的数据挖掘方法具有良好的过程健壮性和较高的结果准确性。通过预判不合格食品的出现,可以指导实际食品安全抽检工作,从而杜绝食品安全问题的发生。     

实现操作人员控制策略的模糊神经网络方法

通过一个仿真实例的研究。阐述了实现操作人员控制策略的模糊糊神经网络方法，并讨论了模糊神经网络控制器的鲁棒性问题，仿真结果证实了该实现了方法的有效性。     

房地产市场分析预测中的数据挖掘技术应用研究

数据挖掘是目前进行房地产市场分析和预测的新技术,本文从数据挖掘的概念、常用方法入手,探讨了其在房地产市场分析中的各种应用,分析了在房地产应用中的数据挖掘流程,并以南京市房地产市场为例,运用数据挖掘技术中的神经网络方法对房地产市场进行了模拟,研究了运用神经网络对房地产市场进行分析和预测的过程和方法,并得出了可靠的结论。文章最后对数据挖掘在房地产领域的应用面临的问题做了分析和展望。     

基于智能化数据挖掘的高新技术监测分析技术研究

针对高新技术的产业发展方向、风险投资以及高新技术的监测分析等问题,应用数据挖掘、神经网络等技术方法,提出了一种基于智能化数据挖掘的高新技术监测分析的初步模型,并指出该模型在实现中存在的一些问题,对高新技术监测分析技术的发展前景做了展望.     

基于模糊神经网络的高光谱数据挖掘方法

分析了高光谱影像的数据特性，应用模糊聚类方法构造模糊神经网络，并将其结合进数据挖掘，对高光谱数据进行数据处理。     

基于粗糙集的模式匹配方法

模式匹配在信息集成和数据挖掘领域有着广泛应用,提出了一种基于粗糙集和神经网络的模式匹配方法,利用粗糙集的属性约简机理,对模式属性进行约简,然后通过BP神经网络分类以达到匹配目的.该方法大大的降低了神经网络输入向量维数.实验结果表明该方法能够有效地提高匹配效率和准确率.     

基于神经网络进行数据挖掘的一种算法

本文对神经网络的数据挖掘方法进行了详细的研究,包括数据挖掘的工作流程、神经网络的基本概念和结构、实现的关键技术以及神经网络的应用,验证了算法的有效性和高效率性。     

数据挖掘和神经网络技术的电力工程造价应用

提出了一种采用数据挖掘技术和神经网络方法预测和审查电力工程造价问题的模型,应用数据挖掘技术进行数据预处理、属性优选和聚类得到模糊规则,并用改进的BP(back propagation)神经网络模糊系统构建了电力工程造价的预测方法。通过对某市送电线路历史工程样本训练和实例样本计算分析,得到了较好的计算结果,验证了该方法的预测准确性和收敛性,显示了该方法在电力工程造价预测和审查中的有效性。     

一种基于粗糙集和遗传神经网络的数据分类器模型

为了实现对无线传感器网络监测得到的高维冗余且不确定的数据进行分类识别,提出一种由遗传算法和粗糙集进行优化的BP神经网络数据分类器模型,并形成了数据挖掘分类算法。该模型通过粗糙集理论的属性约简算法删除训练样本的冗余属性,利用遗传算法对神经网络的权值和阈值进行优化,并进行神经网络学习。数据挖掘分类算法学习速度快,能够有效提高无线传感器网络中数据的分类效率。     

网格计算环境下的分布式数据挖掘

为了提高分布式挖掘系统的性能，分析了现有的分布式数据挖掘系统的不足，提出了一种网格计算环境下的分布式数据挖掘的体系结构，讨论了在该体系结构下如何进行数据挖掘．该体系结构是面向服务的，跨平台的，在该体系结构中，挖掘算法和目标数据源被定义为web服务资源，在需要进行数据挖掘的时候，这些web服务资源被动态地、松耦合地联接在一起，共同完成一次数据挖掘任务．最后，借助网格工具globus toolkit4．0构建了一个局域网网格计算环境，并使用一个关联规则挖掘实例详细地说明了在该体系结构下的挖掘过程，     

神经网络数据挖掘工具用于剩余油分布研究

从地质学方法着手，根据油井和水井的动、静地质数据，运用神经网络数据挖掘工具来预测油井中不同油层的含油饱和度。结果表明，采用该方法可为剩余油分布研究找到突破口，从而为三次加密调整井网提供了事实依据。     

一种基于组合神经网络的数据分类方法

为了克服单一Kohonen网络和BP网络用于数据挖掘的缺点,提出了一种基于Kohonen和BP组合神经网络的数据分类方法,并给出了该分类方法的基本思想和算法描述.电力变压器故障诊断的仿真实验结果表明,利用该分类方法可以提高数据分类的精确性.