基于神經(jīng)網(wǎng)絡(luò)方法的數(shù)據(jù)挖掘平臺(tái)設(shè)計(jì)和實(shí)現(xiàn).pdf

1、21世紀(jì)，隨著信息社會(huì)的不斷發(fā)展和互聯(lián)網(wǎng)的逐漸普及，人們面對(duì)日益增加的信息量，迫切需要有效的工具來(lái)分析和處理所需要的數(shù)據(jù)。隨著20世紀(jì)80年代神經(jīng)網(wǎng)絡(luò)的發(fā)展和KDD(數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn))的逐步推廣，數(shù)據(jù)挖掘技術(shù)應(yīng)運(yùn)而生。數(shù)據(jù)挖掘是為了發(fā)現(xiàn)數(shù)據(jù)中事先未知的規(guī)則和聯(lián)系而對(duì)大量數(shù)據(jù)進(jìn)行選擇、探索、分析和建模的過(guò)程，其目的在于幫助人們找到潛在的具有應(yīng)用價(jià)值的挖掘結(jié)果。神經(jīng)網(wǎng)絡(luò)以模擬人腦神經(jīng)元的數(shù)學(xué)模型為基礎(chǔ)，并以此建立自適應(yīng)的動(dòng)態(tài)系統(tǒng)，具有適應(yīng)

2、能力強(qiáng)、并行速度快的特點(diǎn)。在數(shù)據(jù)挖掘領(lǐng)域，神經(jīng)網(wǎng)絡(luò)常用于分類(如感知機(jī)、BP、RBF網(wǎng)絡(luò))、聚類(如SOM、RBF網(wǎng)絡(luò))和統(tǒng)計(jì)預(yù)測(cè)(如RBF網(wǎng)絡(luò))；神經(jīng)網(wǎng)絡(luò)尤其適合于處理描述性和預(yù)測(cè)性的數(shù)據(jù)挖掘。遺傳算法作為一種模擬生物自然選擇和遺傳機(jī)制的隨機(jī)搜索方法，具有隱含的并行性和全局搜索性，并且易于和其他模型相結(jié)合。 Java強(qiáng)大的面向?qū)ο蠛途W(wǎng)絡(luò)編程特性以及方便的跨平臺(tái)性，使得目前許多公司和組織用其進(jìn)行基于Web的軟件開(kāi)發(fā)。而作為Jav

3、a企業(yè)級(jí)開(kāi)發(fā)平臺(tái)的工業(yè)標(biāo)準(zhǔn)J2EE，更是為廣大Java開(kāi)發(fā)人員提供了一套完整而強(qiáng)大的中間平臺(tái)。MVC(Model-View-Controller)設(shè)計(jì)思想由TrygveReenskaug提出，現(xiàn)已成為一種廣泛應(yīng)用于J2EE開(kāi)發(fā)領(lǐng)域的設(shè)計(jì)模式。 本文從理論和開(kāi)發(fā)兩方面進(jìn)行相應(yīng)的結(jié)構(gòu)組織。理論部分，首先介紹了數(shù)據(jù)挖掘的概念以及神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)挖掘中的應(yīng)用。按照數(shù)據(jù)挖掘的相關(guān)技術(shù)，本文詳細(xì)介紹了處理分類問(wèn)題的兩層感知機(jī)、BP神經(jīng)網(wǎng)絡(luò)、R

4、BF徑向基函數(shù)網(wǎng)絡(luò)以及用于無(wú)監(jiān)督聚類問(wèn)題的SOM自組織神經(jīng)網(wǎng)絡(luò)；對(duì)每種網(wǎng)絡(luò)，還通過(guò)實(shí)際的用例給予了更為直觀的功能描述；然后介紹了遺傳算法的相關(guān)知識(shí)，本文重點(diǎn)分析了如何利用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)以及初始的連接權(quán)值；并用一個(gè)實(shí)驗(yàn)說(shuō)明了遺傳算法在優(yōu)化BP神經(jīng)網(wǎng)絡(luò)中的優(yōu)良表現(xiàn)。在挖掘平臺(tái)的開(kāi)發(fā)部分，本文首先介紹了在線數(shù)據(jù)挖掘項(xiàng)目MinerOnWeb；然后著眼于軟件工程的需求分析、設(shè)計(jì)以及開(kāi)發(fā)流程，詳細(xì)介紹了在J2EE架構(gòu)下基于神經(jīng)網(wǎng)絡(luò)方