【摘要】：随着现代社会的快速發展及互联网应用越来越广泛,每天所产生的信息量也在急剧的增加,特别是网络数据每天都在指数倍的增加面对这些实际存在的数据,如何從中获得对人们有用的知识,越来越受到广泛的关注与研究。因此数据挖掘技术也正迎合了如此艰巨的需求,得到广泛的应用和推广数据挖掘需要面对的往往是一些带有噪声的、非线性的、杂乱的数据,处理这些数据恰好是神经网络的优势所在。本文提出了基于改进的bp神经网络算法实例对数据挖掘进行研究,并通过实例验证了该算法在数据挖掘中的有效性本文的研究工作主要有以下部分:1.针对BP神经网络结构缺乏理論指导这一不足,提出了动态增加隐层节点的方法,以使得网络可以得到合适的网络结构。并通过Iris数据集和全国交通运输数据集两组实验,对改進后的网络模型进行验证,结果表明改进后的方法可以获得合适的隐层节点数量2.本文针对改进后BP算法容易陷入局部最优的不足,提出利用遗傳算法对BP算法进行改进的策略。然后通过奇偶校验问题样本集的实验进行验证,结果表明结合遗传算法的BP算法可以有效的避免网络模型产生局部最优解3.将改进的BP算法应用在数据挖掘中。在旅游行业数据集实验中,对国内旅游的总消费金额进行预测与分析,结果表明预测的消费金額与实际金额很接近因此通过实表明,明改进后的BP算法在数据挖掘方面具有很好的应用价值。

【学位授予单位】：广西师范学院
【学位授予年份】：2016

【摘要】：雷暴产生机制的复杂性决定了他的发生具有显著的非线性特征,人工神经网络由于具有很强的非线性映射能力和并行性、适应性、容错性及自学习能力,特别适用於解决因果关系复杂的非确定推理、判断、预测和分类等问题,因此在雷暴潜势预报研究领域越来越受到重视,在人工神经网络的研究应用中,BP(Back-Propagation,反向传播算法)人工神经网络被各领域广泛应用[1-5]这种模型相比于其它模型而言,研究成熟,且通用性好。相对传统的数理统计方法而言,BP人工神經网络模型可以求解非线性问题,同样对样本大小的要求也可以相对少得多由于研究地域的不同,选取的预报因子不同,网络模型的构建方式鈈同,预报结果判定方式也有所不同[6-10]。因此,本文利用沈阳市年6、7、8月探空资料与闪电定位资料,分析该地区的雷暴潜势预报因子,进一步建立BP人笁神经网络模型,对该地区的雷暴潜势预报进行研究,对比分析6h和12h雷暴潜势预报效果,获得更高的预报准确率