基于决策树和遗传算法的神经网络研究及应用

【摘要】：当今社会人类所存储的数据是成千上万的,如何能够更有效的利用好这些信息已经越来越受到人们的重视。而数据挖掘正是一种从数据中提取有用的信息,并将之应用于各个行业的方法。 本文首先对数据挖掘中受到广泛关注的决策树算法、遗传算法和神经网络算法进行了综述,描述了各算法的具体实现过程及步骤。 然后通过分析决策树算法与神经网络算法的特点,将它们进行有效得结合,提出一种基于决策树的神经网络权值初始化算法。该算法利用决策树算法,通过分析各样本数据来确定神经网络的初始权值,与传统的神经网络算法比起来,该方法极大的缩小了神经网络初始权值的随机性,使其更有利于最优神经网络模型的生成。最后将该算法应用到了一个通过分析企业类型、注册资金、盈利比例来判断企业信誉的例子中,并通过Matlab编程来实现。 文章的第四部分提出的是一种基于遗传算法的神经网络结构优化算法。该算法将遗传算法与神经网络算法进行了巧妙的结合,它利用遗传算法解决了神经网络算法中比较难的结构优化问题,而反过来又巧妙的运用神经网络算法回避了遗传算法中如何确定衡量函数的问题。同样也将该算法应用到了一个超市满意度的例子中,并运用Matlab编程来具体实现了该基于遗传算法的神经网络结构优化算法。