基于神经网络的保险数据挖掘模型

文章研究了神经网络数据挖掘技术在汽车保险业中的应用,并针对汽车保险客户提出了一种理想非线性映射模型费率预测的方法．由实验结果知本方法可用于改善目前汽车保险费率与赔付率不匹配的问题．     

基于粗糙集与BP神经网络的数据挖掘分类模型

利用粗糙集理论对原始数据进行特征选择,约简冗余属性,从而减小BP网络的输入维数.该模型可以在不同的简化层次上给出相对满意的决策,适用于信息不完备情况下的推理和决策研究.     

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.     

基于模糊神经网络的空间数据挖掘方法研究

本文针对庞大空间数据集性质复杂且非线性、持续性及噪音普遍存在的情况，提出利用模糊神经网络模型进行空间数据挖掘，并具体讲述其挖掘步骤及发现知识的类型。     

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.     

基于模糊神经网络的数据挖掘算法

提出一种基于模糊神经网络进行数据挖掘的新方法。构成模糊神经网络的模糊化层采用高斯函数计算5个模糊隶属度,高斯函数需要的均值、方差以及隶属度的中心值都可通过预先计算采集到的数据得到。模糊推理层采用取小取大运算代替常用的积和运算,加快了网络的推理速度。在模糊神经网络训练阶段,首先利用重心法对模糊化层输出进行反模糊化,再采用BP思想,利用梯度法求误差值并进行反传调整隶属度函数的参数值。为提高网络推理精度和速度,通过设立相应的规则对网络进行裁剪,剪掉多余的节点和权值,最后依据一定的思想对产生的模糊规则进行简化和提取。以工业锻造中的智能温度控制系统的控制数据为例进行仿真,结果表明,该网络具有较高的精度和较好的鲁棒性。     

基于改进模糊k均值算法和神经网络算法的数据挖掘模型

为解决神经网络算法中样本数据包含大量与目标数据无关的属性而导致网络训练时间长、效率低的问题,提出基于改进模糊k均值(FKM)和BP神经网络算法的数据挖掘模型.利用改进的FKM聚类算法对输入数据的属性进行聚类,摈弃与目标属性相关性弱或冗余的属性,保留相关性强的属性,减少了神经网络的训练样本数据量,提高了网络的训练效率.对儿童血红蛋白含量的预测结果表明,该模型具有很好的实用性和可靠性.     

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。     

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。     

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。     

基于模糊聚类的神经网络在数据挖掘分类中的应用研究

常见的决策树分类算法、贝叶斯分类算法、神经网络分类算法为数据挖据分类算法研究提供了重要基础。但面对海量数据时,在时间效率、鲁棒性和精确性上都显示出了不足。为此,本文将模糊聚类的思想引入到神经网络分类算法中,首先通过模糊聚类子模型,将样本数据聚为几个数据子集,然后再采用不同的神经网络对各个数据子集同时进行训练学习。由于经过了模糊聚类子模型的预处理,每个神经网络训练学习样本的复杂性大大减少,使神经网络的学习效率大大提高。最后通过UCI下的实际数据库,对提出的分类算法进行了检验,结果显示了基于模糊聚类的神经网络在数据挖掘分类中应用的有效性。     

数据挖掘和神经网络技术的电力工程造价应用

随着城市现代化进程的不断推进,电力建设面临着更加严峻的挑战,而规模大、周期长、范围广、结构复杂等特点又使得电力工程造价在此时期显得十分重要。为了确保电力建设的安全性及保障电力工程造价的顺利开展,数据挖掘及神经网络技术收到越来越多的重视。本文作者对数据挖掘技术和神经网络技术及其过程进行了系统而又扼要的论述。     

基于粗糙集与BP神经网络的分布式数据挖掘算法

利用数据挖掘来提高网络中能量利用率是无线传感器网络(WSN)的一个重要研究方向.本文构建了基于粗糙集与神经网络相结合的无线传感器网络分布式数据挖掘算法.该算法用粗糙集对节点内的原始数据进行离散化与属性约简后得到的最简决策表训练BP神经网络,再将构造好的BP神经网络集成在每个传感器节点上.仿真结果表明,该算法可以降低数据维数,消除冗余数据、减少网络通信量、延长网络寿命.     

基于残差修正的灰色神经网络在数据挖掘中的应用

针对时间序列数据样本少、部分信息未知的特点,提出将灰色理论与神经网络相结合构建灰色神经网络,充分利用两种方法的优势对小样本时间序列数据进行有效挖掘.为了提高模型的预测精度,提出利用残差对模型进行有效修正.实验分析表明,残差修正灰色神经网络具有较高的预测精度,适合于小样本时间序列数据的挖掘.     

基于模糊神经网络进行数据挖掘的一种算法

通过对模糊神经网络和训练样本的构造,训练模糊神经网络使其达到一定的精度要求后,对网络进行裁剪.在网络隐层的激活和聚类后,提取规则的步骤,从而实现在数据库中获取有效知识的目的,并在应用中进行了仿真,验证了算法的有效性.     

数据挖掘在检测农业补贴中欺诈行为的应用——基于异常检测与神经网络模型

随着国家对农业发展扶持力度的不断加大,农业补贴申请资金得到提高的同时,其种类也在逐渐扩充.因此,如何检测农业补贴申请中的欺诈行为是一项值得关注的研究课题.通过对clementine 12.0中的案例数据分别构建异常检测和神经网络模型,对农业补贴申请记录中的欺诈行为进行检测,并借助clementine12.0的可视化实验平台直观、有效地观察检测结果.实验结果表明:提出的方法可以明显地提高检测欺诈行为的效率及准确率,具有一定的启发和借鉴意义.     

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、静态地质数据 ,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。     

一种基于粗集理论与神经网络的综合数据挖掘算法

提出一种基于粗集理论与神经网络的综合数据挖掘算法,该方法既保证了挖掘过程的简洁,又保证了对挖掘结果的严格验证,提高了结果的精确度．     

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。