计算机系统应用
計算機繫統應用
계산궤계통응용
APPLICATIONS OF THE COMPUTER SYSTEMS
2009年
4期
104-108
,共5页
粗集神经网络%数据挖掘%聚类分析%模糊kohonen%聚类网络%分类
粗集神經網絡%數據挖掘%聚類分析%模糊kohonen%聚類網絡%分類
조집신경망락%수거알굴%취류분석%모호kohonen%취류망락%분류
数据挖掘是近年来发展快速的信息处理新技术.如何有效地从高维的、超大规模数据中提取隐藏的有用信息,是该领域的研究核心.针对海量数据的挖掘分类问题,将粗集和神经网络紧密结合建立一种新的高效数据挖掘模型,即利用粗糙集理论中的知识简化方法,去掉冗余的属性特征和样本,然后,利用性能优良的模糊kohonen聚类神经网络进行聚类分析,最后形成分类规则.该模型充分融合了粗集强大的规则提取能力和神经网络优良的分类能力.实验证明模型具有很好的分类效率,且有较高的精确性.
數據挖掘是近年來髮展快速的信息處理新技術.如何有效地從高維的、超大規模數據中提取隱藏的有用信息,是該領域的研究覈心.針對海量數據的挖掘分類問題,將粗集和神經網絡緊密結閤建立一種新的高效數據挖掘模型,即利用粗糙集理論中的知識簡化方法,去掉冗餘的屬性特徵和樣本,然後,利用性能優良的模糊kohonen聚類神經網絡進行聚類分析,最後形成分類規則.該模型充分融閤瞭粗集彊大的規則提取能力和神經網絡優良的分類能力.實驗證明模型具有很好的分類效率,且有較高的精確性.
수거알굴시근년래발전쾌속적신식처리신기술.여하유효지종고유적、초대규모수거중제취은장적유용신식,시해영역적연구핵심.침대해량수거적알굴분류문제,장조집화신경망락긴밀결합건립일충신적고효수거알굴모형,즉이용조조집이론중적지식간화방법,거도용여적속성특정화양본,연후,이용성능우량적모호kohonen취류신경망락진행취류분석,최후형성분류규칙.해모형충분융합료조집강대적규칙제취능력화신경망락우량적분류능력.실험증명모형구유흔호적분류효솔,차유교고적정학성.
