收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

数据库中的知识发现及其应用研究

梁协雄  
【摘要】:近年来,从大型数据库自动提取知识的需求急剧增长。于是相应地,数据库中知识发现(KDD)和数据挖掘两个密切相关的领域中,企图从大量原始数据中智能地提取感兴趣及有用信息的过程和方法得到了很大发展。从生产过程到企业管理,这种技术得到广泛用。本文以国内某一大型钢铁企业为背景,给出了一种改进的知识发现方法,用于发现脱硫过程的规律和知识。 首先,论文对KDD领域各种现有理论,遗传算法,原理及技术,实际算法,性能和其作用范围等作出深入研究.再而对遗传算法的改进及其在系统建模中的应用作出分析,从而引出广义遗传法,对寻伏思路及生物学作出相对之解释,并在步骤,进化策略,遗传算子的设计,多种群的算法及流程图与仿真试验作深入探讨。再从混沌理论的特性,就是”短期可以预测,长期不可预测”的算法,及开放系统混沌动力学,从而引伸变尺度混沌优化法来确定RBF宽度的方法。 继而分析了RBF神经网络的基本原理。为了克服RBF神经网络在确定中心个数和宽度中的困难,本文给出改进的广义遗传算法,利用J. D. Schafer提出的函数进行仿真试验的结果,证明了该算法的有效性和对于系统建模的适应性。其次,为了进一步优化RBF的中心,本文引入了输入输出聚类方法。RBF的宽度直接影响网络的泛化性能,其值偏大网络精度不够,偏小时泛化能力降低,因此本文采用了混沌搜索优化RBF的宽度。仿真结果表明RBF混沌搜索算法是有效和实用的。 其后,将改进后的RBF神经网络用于铁水脱硫过程的静态预测模型,其中铁水重量、铁水脱硫前含硫量、铁水脱硫后含硫量作为输入,脱硫剂用量作为输出。离线仿真结果表明: 1.本文所给出的算法不仅可以用于提取RBF的中心数,还优化了中心位置,提高了模型精度; 2.基于混沌搜索优化的RBF宽度保证了模型的泛化能力; 3.利用RBF神经网络建立的铁水脱硫静态预测模型可以用于铁水脱硫过程中脱硫剂用量的预报。 4.在研究中发现,遗传算法优化时间复杂度较高,即使采用了收敛速度较快的广义遗传算法,模型优化时间仍然较长。即使能满足脱硫过程在线建模及实时控制的要求,但是如何进一步提高算法的收敛速度仍然是一个值得我们今后深入研究的的课题。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 柴天佑,王笑波;RBF神经网络在加速冷却控制系统中的应用[J];自动化学报;2000年02期
2 汪晓东,叶美盈;RBF神经网络在表面粗糙度光纤传感器中的应用[J];光电子.激光;2001年09期
3 刘文菊,郭景;RBF神经网络中心选取OLS算法的研究[J];天津工业大学学报;2002年02期
4 陶红勇,王京,刘聪;基于RBF神经网络的板形缺陷识别[J];新疆钢铁;2003年02期
5 马翔,陈新楚,王劭伯;基于RBF神经网络的电站锅炉燃烧系统非线性建模[J];福州大学学报(自然科学版);2004年03期
6 张焱,沈振康,王平;基于RBF神经网络的背景估计及红外小目标检测[J];国防科技大学学报;2004年05期
7 杨延西;刘丁;辛菁;;基于LS-SVM的机器人逆运动学建模[J];系统仿真学报;2006年05期
8 荣盘祥;杨晶;胡林果;马广富;;基于RBF网络的SCARA机器人的运动学逆解[J];电机与控制学报;2007年03期
9 王丽蓉;徐荃;;改进型RBF神经网络在系统建模中的应用[J];科技资讯;2007年20期
10 谢慕君;孟祥光;;基于MATLAB的RBF神经网络在离心压缩机性能预测中的应用[J];石油化工自动化;2008年05期
11 王艳芹;赵翠俭;陈春雨;孙素静;;基于RBF神经网络的PID控制器[J];大庆师范学院学报;2009年03期
12 张永;薛芝茂;;RBF神经网络在人脸识别中的应用[J];电脑编程技巧与维护;2009年14期
13 童翔威;周铁军;;基于RBF神经网络的数据挖掘的研究[J];硅谷;2009年12期
14 聂平由;郑日荣;;基于RBF神经网络的无人直升机姿态控制[J];微计算机信息;2009年28期
15 邵向潮;何永强;蔡鹃;谢宏;;基于RBF神经网络的温度传感器故障诊断[J];吉首大学学报(自然科学版);2010年02期
16 郭凤仪;马文龙;李斌;;RBF神经网络在断路器故障诊断中的应用[J];传感器与微系统;2010年09期
17 潘雷雷;李旭东;;基于改进RBF神经网络的美元指数预测[J];西南民族大学学报(自然科学版);2011年01期
18 胡然;刘东玉;周含冰;秦富童;;基于RBF神经网络的光电装备作战效能评估[J];计算机与数字工程;2011年05期
19 乔杉;;基于RBF神经网络的齿轮减速箱设计计算[J];装备制造技术;2011年06期
20 孙宇;张健;;神经滑模理论在柴油机调速系统中的应用研究[J];辽宁工业大学学报(自然科学版);2011年02期
中国重要会议论文全文数据库 前10条
1 游培寒;王振家;;一种构造径向基神经网络的新型IPL算法[A];图像 仿真 信息技术——第二届联合学术会议论文集[C];2002年
2 张秀艳;王秀芳;王庆蒙;陶国彬;;基于RBF神经网络的非线性滤波研究[A];首届信息获取与处理学术会议论文集[C];2003年
3 宋宜斌;王培进;;一种改进的RBF神经网络预测模型[A];2005年中国智能自动化会议论文集[C];2005年
4 石红瑞;王先来;李光泉;;多层递归神经网络非线性动态系统建模[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集(上册)[C];1995年
5 袁修干;沙斌;杨春信;;航空人-座舱-热环境系统建模及计算机仿真研究[A];第一届全国人—机—环境系统工程学术会议论文集[C];1993年
6 李少远;王群仙;曹保定;孟昭忠;;基于神经网络的预测控制模型研究[A];1995中国控制与决策学术年会论文集[C];1995年
7 冯广龙;张纪峰;;农作物需水量的建模与适应控制[A];1995年中国控制会议论文集(上)[C];1995年
8 魏国珩;黄高峰;;基于故障字典的系统建模故障诊断方法研究[A];舰船电子装备维修理论与应用——中国造船工程学会电子修理学组第四届年会暨信息装备保障研讨会论文集[C];2005年
9 田晓;颜勇;孔凡坊;顾德英;;新型神经网络在短期负荷预测中的应用研究[A];山东电机工程学会第五届供电专业学术交流会论文集[C];2008年
10 王佰超;姜继春;王静;苗立琴;;基于UML的虚拟装配系统建模技术[A];全国先进制造技术高层论坛暨第八届制造业自动化与信息化技术研讨会论文集[C];2009年
中国博士学位论文全文数据库 前10条
1 梁协雄;数据库中的知识发现及其应用研究[D];重庆大学;2004年
2 崔根群;用于危险品检测的移动机械手的运动性能分析及其控制[D];河北工业大学;2007年
3 杨会云;工程量清单计价模式下的投标报价决策研究[D];东北林业大学;2009年
4 尹建川;径向基函数神经网络及其在船舶运动控制中的应用研究[D];大连海事大学;2007年
5 景春国;低能射线法油水气相含率测量研究[D];燕山大学;2008年
6 罗红霞;地学知识辅助遥感进行山地丘陵区基于系统分类标准的土壤自动分类方法研究[D];武汉大学;2005年
7 万毅;基于RBFNN的接触网系统可靠性设计方法研究[D];西南交通大学;2006年
8 叶光;基于VV&A的船舶运动控制系统仿真的研究[D];大连海事大学;2007年
9 林壮;欠驱动水平机械臂滑模变结构控制研究[D];哈尔滨工程大学;2007年
10 刘继山;基于角色和多主体理论电子政务业务系统建模[D];大连理工大学;2011年
中国硕士学位论文全文数据库 前10条
1 马翔;大型火电厂锅炉燃烧系统建模及优化控制新方法的探讨[D];福州大学;2004年
2 陈才;RBFNN研究及其在铁水脱硫静态模型中的应用[D];重庆大学;2003年
3 姚建明;基于神经网络的电液伺服系统智能控制研究[D];太原理工大学;2005年
4 陈文科;神经网络在项目总承包风险中的应用[D];西安建筑科技大学;2005年
5 张振;基于解析冗余的非线性系统故障诊断方法研究[D];南京理工大学;2005年
6 刘海勃;基于RBF神经网络的期货走势预测模型研究[D];大连海事大学;2006年
7 张平;遗传神经网络在PMSM控制系统中的应用研究[D];武汉理工大学;2006年
8 戎辉;移动机械手的分层控制结构及其协调控制方法研究[D];河北工业大学;2006年
9 姜晓君;基于无线传感器网络的信息融合算法研究[D];郑州大学;2007年
10 胡霞;NTS中学生认知能力评价系统的研究与应用[D];武汉理工大学;2006年
中国重要报纸全文数据库 前10条
1 ;ARM发布RealView系统建模器[N];人民邮电;2006年
2 ;选择SQL Server[N];电脑报;2004年
3 汪汀;建立模型 简化管网 分区供水[N];中国建设报;2008年
4 韩际平;青春 在数海中飞扬[N];中国信息报;2008年
5 威廉;TMN优劣谈[N];人民邮电;2002年
6 北京和佳软件技术公司董事长兼总裁 陈佳;“和佳新一代ERP”产品与技术[N];科技日报;2003年
7 郭诚志;MES:生产与管理间的高架桥[N];中国计算机报;2007年
8 郑纬民;高性能计算机的性能评测[N];计算机世界;2006年
9 本报记者 吴晓伟;海化信息化扩张[N];计算机世界;2003年
10 ;华信培训:三月喜迎丰收[N];计算机世界;2004年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978