基于混合智能系统的数据挖掘分类算法研究

【摘要】：随着数据库应用的不断深化,数据库的规模急剧膨胀,人们需要对这些数据进行分析,从中发现有价值的信息。但是数据库管理系统本身却没有提供有效的工具和方法来利用这些数据,因此数据挖掘成为当今研究的热点。特别是其中的分类问题,由于其使用的广泛性,现已获得了越来越多的关注。本文即以混合智能系统为基础对数据挖掘中的分类问题进行系统研究。 作者综述了国内外数据挖掘分类的研究现状和应用成果,深入分析了分类问题的基本理论,并介绍了经典算法,以及对各种分类方法进行了综合比较。在基本理论分析的基础上,作者构建了以认知心理学、模型集成理论为基础,集粗糙集理论、聚类理论、模糊逻辑理论、遗传算法理论、人工神经网络理论于一体的一个新的混合智能系统R-FC-DENN。它先通过粗糙集将输入数据进行约简,然后用聚类技术将简化后的数据进行聚类,对不同的聚类使用经过遗传算法改进了的神经网络进行训练,接着将这些经过不同神经网络训练的数据用模糊权值组合起来,放入新的用遗传算法改进了的神经网络再进行训练,从而完成分类的整个训练过程。 最后,作者根据系统的各个子模块分别进行设计、实现,并在Matlab6.5环境下进行系统组装,开发了一个新的混合智能系统R-FC-DENN的工具箱——RFCDENNTool。并用UCI下的实际数据库对本文提出的混合智能系统R-FC-DENN的实用性进行了检验,得到了比较满意的结果。