- 相關(guān)推薦
神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)分析方法
數(shù)據(jù)挖掘是適應(yīng)信息社會從海量的數(shù)據(jù)庫中提取信息的需要而產(chǎn)生的一種數(shù)據(jù)分析方法，下面是小編整理的神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)分析方法，歡迎查看，希望幫助到大家。
神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)分析方法
① 經(jīng)網(wǎng)絡(luò)方法
神經(jīng)網(wǎng)絡(luò)由于本身良好的魯棒性、自組織自適應(yīng)性、并行處理、分布存儲和高度容錯等特性非常適合解決數(shù)據(jù)挖掘的問題，因此近年來越來越受到人們的關(guān)注。典型的神經(jīng)網(wǎng)絡(luò)模型主要分3大類：以感知機(jī)、bp反向傳播模型、函數(shù)型網(wǎng)絡(luò)為代表的，用于分類、預(yù)測和模式識別的前饋式神經(jīng)網(wǎng)絡(luò)模型；以hopfield的離散模型和連續(xù)模型為代表的，分別用于聯(lián)想記憶和優(yōu)化計(jì)算的反饋式神經(jīng)網(wǎng)絡(luò)模型；以art模型、koholon模型為代表的，用于聚類的自組織映射方法。神經(jīng)網(wǎng)絡(luò)方法的缺點(diǎn)是"黑箱"性，人們難以理解網(wǎng)絡(luò)的學(xué)習(xí)和決策過程。
② 遺傳算法
遺傳算法是一種基于生物自然選擇與遺傳機(jī)理的隨機(jī)搜索算法，是一種仿生全局優(yōu)化方法。遺傳算法具有的隱含并行性、易于和其它模型結(jié)合等性質(zhì)使得它在數(shù)據(jù)挖掘中被加以應(yīng)用。
�、� 決策樹方法
決策樹是一種常用于預(yù)測模型的算法，它通過將大量數(shù)據(jù)有目的分類，從中找到一些有價(jià)值的，潛在的信息。它的主要優(yōu)點(diǎn)是描述簡單，分類速度快，特別適合大規(guī)模的數(shù)據(jù)處理。
�、� 粗集方法
粗集理論是一種研究不精確、不確定知識的數(shù)學(xué)工具。粗集方法有幾個優(yōu)點(diǎn)：不需要給出額外信息；簡化輸入信息的表達(dá)空間；算法簡單，易于操作。粗集處理的對象是類似二維關(guān)系表的信息表。目前成熟的關(guān)系數(shù)據(jù)庫管理系統(tǒng)和新發(fā)展起來的數(shù)據(jù)倉庫管理系統(tǒng)，為粗集的數(shù)據(jù)挖掘奠定了堅(jiān)實(shí)的基礎(chǔ)。但粗集的數(shù)學(xué)基礎(chǔ)是集合論，難以直接處理連續(xù)的屬性。而現(xiàn)實(shí)信息表中連續(xù)屬性是普遍存在的。因此連續(xù)屬性的離散化是制約粗集理論實(shí)用化的難點(diǎn)。
�、� 覆蓋正例排斥反例方法
它是利用覆蓋所有正例、排斥所有反例的思想來尋找規(guī)則。首先在正例集合中任選一個種子，到反例集合中逐個比較。與字段取值構(gòu)成的選擇子相容則舍去，相反則保留。按此思想循環(huán)所有正例種子，將得到正例的規(guī)則。
�、� 統(tǒng)計(jì)分析方法
在數(shù)據(jù)庫字段項(xiàng)之間存在兩種關(guān)系：函數(shù)關(guān)系(能用函數(shù)公式表示的確定性關(guān)系)和相關(guān)關(guān)系(不能用函數(shù)公式表示，但仍是相關(guān)確定性關(guān)系)，對它們的分析可采用統(tǒng)計(jì)學(xué)方法，即利用統(tǒng)計(jì)學(xué)原理對數(shù)據(jù)庫中的信息進(jìn)行分析�？蛇M(jìn)行常用統(tǒng)計(jì)(求大量數(shù)據(jù)中的最大值、最小值、總和、平均值等)、回歸分析(用回歸方程來表示變量間的數(shù)量關(guān)系)、相關(guān)分析(用相關(guān)系數(shù)來度量變量間的相關(guān)程度)、差異分析(從樣本統(tǒng)計(jì)量的值得出差異來確定總體參數(shù)之間是否存在差異)等。
⑦ 模糊集方法
即利用模糊集合理論對實(shí)際問題進(jìn)行模糊評判、模糊決策、模糊模式識別和模糊聚類分析。系統(tǒng)的復(fù)雜性越高，模糊性越強(qiáng)，一般模糊集合理論是用隸屬度來刻畫模糊事物的亦此亦彼性的。李德毅等人在傳統(tǒng)模糊理論和概率統(tǒng)計(jì)的基礎(chǔ)上，提出了定性定量不確定性轉(zhuǎn)換模型--云模型，并形成了云理論。
神經(jīng)網(wǎng)絡(luò)發(fā)展歷史
1943年，心理學(xué)家W.S.McCulloch和數(shù)理邏輯學(xué)家W.Pitts建立了神經(jīng)網(wǎng)絡(luò)和數(shù)學(xué)模型，稱為MP模型。他們通過MP模型提出了神經(jīng)元的形式化數(shù)學(xué)描述和網(wǎng)絡(luò)結(jié)構(gòu)方法，證明了單個神經(jīng)元能執(zhí)行邏輯功能，從而開創(chuàng)了人工神經(jīng)網(wǎng)絡(luò)研究的時代。1949年，心理學(xué)家提出了突觸聯(lián)系強(qiáng)度可變的設(shè)想。60年代，人工神經(jīng)網(wǎng)絡(luò)的到了進(jìn)一步發(fā)展，更完善的神經(jīng)網(wǎng)絡(luò)模型被提出，其中包括感知器和自適應(yīng)線性元件等。M.Minsky等仔細(xì)分析了以感知器為代表的神經(jīng)網(wǎng)絡(luò)系統(tǒng)的功能及局限后，于1969年出版了《Perceptron》一書，指出感知器不能解決高階謂詞問題。他們的論點(diǎn)極大地影響了神經(jīng)網(wǎng)絡(luò)的研究，加之當(dāng)時串行計(jì)算機(jī)和人工智能所取得的成就，掩蓋了發(fā)展新型計(jì)算機(jī)和人工智能新途徑的必要性和迫切性，使人工神經(jīng)網(wǎng)絡(luò)的研究處于低潮。在此期間，一些人工神經(jīng)網(wǎng)絡(luò)的研究者仍然致力于這一研究，提出了適應(yīng)諧振理論（ART網(wǎng)）、自組織映射、認(rèn)知機(jī)網(wǎng)絡(luò)，同時進(jìn)行了神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)理論的研究。以上研究為神經(jīng)網(wǎng)絡(luò)的研究和發(fā)展奠定了基礎(chǔ)。1982年，美國加州工學(xué)院物理學(xué)家J.J.Hopfield提出了Hopfield神經(jīng)網(wǎng)格模型，引入了“計(jì)算能量”概念，給出了網(wǎng)絡(luò)穩(wěn)定性判斷。 1984年，他又提出了連續(xù)時間Hopfield神經(jīng)網(wǎng)絡(luò)模型，為神經(jīng)計(jì)算機(jī)的研究做了開拓性的工作，開創(chuàng)了神經(jīng)網(wǎng)絡(luò)用于聯(lián)想記憶和優(yōu)化計(jì)算的新途徑，有力地推動了神經(jīng)網(wǎng)絡(luò)的研究，1985年，又有學(xué)者提出了波耳茲曼模型，在學(xué)習(xí)中采用統(tǒng)計(jì)熱力學(xué)模擬退火技術(shù)，保證整個系統(tǒng)趨于全局穩(wěn)定點(diǎn)。1986年進(jìn)行認(rèn)知微觀結(jié)構(gòu)地研究，提出了并行分布處理的理論。90年代初，又有脈沖耦合神經(jīng)網(wǎng)絡(luò)模型被提出。人工神經(jīng)網(wǎng)絡(luò)的研究受到了各個發(fā)達(dá)國家的重視，美國國會通過決議將1990年1月5日開始的十年定為“腦的十年”，國際研究組織號召它的成員國將“腦的十年”變?yōu)槿蛐袨�。在日本的“真�?shí)世界計(jì)算（RWC）”項(xiàng)目中，人工智能的研究成了一個重要的組成部分。
神經(jīng)網(wǎng)絡(luò)的應(yīng)用
1、自動控制領(lǐng)域
主要有系統(tǒng)建模和辨識，參數(shù)整定，極點(diǎn)配置，內(nèi)模控制，優(yōu)化設(shè)計(jì)，預(yù)測控制，最優(yōu)控制，濾波與預(yù)測容錯控制等。
2、處理組合優(yōu)化問題
成功解決了旅行商問題，另外還有最大匹配問題，裝箱問題和作業(yè)調(diào)度問題。
3、模式識別
手寫字符，汽車牌照，指紋和聲音識別，還可用于目標(biāo)的自動識別，目標(biāo)跟蹤，機(jī)器人傳感器圖像識別及地震信號的鑒別。
4、圖像處理
對圖像進(jìn)行邊緣監(jiān)測，圖像分割，圖像壓縮和圖像恢復(fù)。
5、機(jī)器人控制
對機(jī)器人軌道控制，操作機(jī)器人眼手系統(tǒng)，用于機(jī)械手的故障診斷及排除，智能自適應(yīng)移動機(jī)器人的導(dǎo)航，視覺系統(tǒng)。
6、醫(yī)療
在乳房癌細(xì)胞分析，移植次數(shù)優(yōu)化，醫(yī)院費(fèi)用節(jié)流，醫(yī)院質(zhì)量改進(jìn)，疾病診斷模型等方面均有應(yīng)用。
【神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)分析方法】相關(guān)文章：
數(shù)據(jù)分析方法06-26
數(shù)據(jù)整理分析方法10-22
大數(shù)據(jù)的分析方法06-25
銷售數(shù)據(jù)的分析方法07-25
數(shù)據(jù)分析與辦公軟件：數(shù)據(jù)分析方法07-10
常用數(shù)據(jù)分析方法06-22
配件庫存分析數(shù)據(jù)的方法07-10
銷售數(shù)據(jù)分析方法07-03
大數(shù)據(jù)分析方法06-26