论文部分内容阅读
论文在分析数据挖掘各种技术的基础上，着重研究了人工神经网络在数据挖掘中的应用，开发了一个数据挖掘实验平台。 该平台能对关系型数据库中的非文本数据进行数据挖掘。设计中，着重考虑了人工神经网在数据挖掘中的数据准备问题、网络参数的选取问题等等；针对原有BP神经网算法效率较低、容易陷入局部极小等现状，提出了一种改进的BP算法；改进的BP算法着重改进了权值的调整频率及效率；文章在理论上进行了推证，并利用数学逻辑中的“与”及“异或”问题进行了实验，实验结果证明了改进的BP算法缩短了学习时间、提高了学习效率，并在一定程度上避免了学习中的局部极小问题。 实例测试的结果表明，该平台基本上能完成数据挖掘中的预测功能，具有界面友好，操作方便等优点。