【摘 要】
:
随着互联网和信息化技术的不断发展,企业及其他各种组织积累了大量的数据,人们面临着从大量不同类型、不同来源的数据中获取有用知识的问题。数据挖掘技术融合了人工智能、数
论文部分内容阅读
随着互联网和信息化技术的不断发展,企业及其他各种组织积累了大量的数据,人们面临着从大量不同类型、不同来源的数据中获取有用知识的问题。数据挖掘技术融合了人工智能、数据库技术等多门学科,通过数据挖掘技术的应用,数据中很多潜在的有用信息能够被发现并且应用于社会生产决策之中。径向基函数神经网络是一类应用非常广泛的人工神经网络,学习速度快,能够无限地逼近任意非线性函数,但是网络结构不易确定,因此本文使用其他的智能算法并借助算法的优点改善神经网络中的缺陷,提高网络能力。本文将蚁群聚类算法和粒子群算法与径向基函数神经网络依次相结合,从神经网络结构初始化和结构优化两个方面对算法进行改进,以达到提升算法性能的目的。首先,使用蚁群聚类算法将参与网络训练的样本数据聚类,获取子集的个数和中心点,然后通过相应计算获取网络相关的参数信息,获取神经网络的初始结构。本文使用LF蚁群聚类算法,针对算法的不足对算法进行了改进,提高了聚类的运行速度和精度,使用鸢尾花集合对改进后的LF算法进行实验对比。其次,使用粒子群算法对神经网络结构进行优化,以获取更加准确的结构数据,使用多极值的测试数据对优化后的径向基函数神经网络进行实验对比。另外,针对粒子群算法的不足对算法进行改进,使用混沌干扰、交叉等方法改变粒子特征,使得算法更容易查找到全局最优解。最后,将优化后的径向基函数神经网络应用在网络流量预测方面,通过数据建模、数据分析等操作为高校提供网络流量预测模型。主要介绍了流量预测的过程,包括数据准备、数据整理、模型创建、结果分析等,并对多个不同算法的预测结果进行了比较分析。
其他文献
本文要研究的是基于维基百科的比较语义的方法,分别通过使用分类信息,页面的网络信息,以及网页的内容作为背景知识进行语义比较,最后综合比较分析。分类信息(WikiRelate,ECat
实现计算机的自动推理是人工智能领域中的一个重要课题。对于传统的常识推理,新知识可由旧知识以经典逻辑的原理推理得到。然而在实际应用中,知识往往是不确定、不一致和不完
自然界中动物群体的集体运动非常神奇壮观,引起人们想要在计算机中实现这些群体运动的兴趣。基于关键帧技术的计算机动画首先由动画师根据剧情绘制出动画中的关键画面,然后由
随着互联网的快速发展和成熟,基于Web的应用程序也越来越多,逐渐改变着互联网用户生活和工作的方式。近年来,Web2.0理念的提出及其在互联网上的完美应用,使用户对Web产品的用
随着电子信息技术的飞速发展,互联网(Internet)正飞速的改变着人们的工作、生活、学习方式,给社会的发展、个人的生活带来了前所未有的便利。近十年,数字图书馆(Digital Library
随着互联网的迅猛发展,特别是Web2.0的兴起,越来越多的人们以网络为媒介发表他们对某个事件或事物的意见和评论。意见挖掘得到了广泛地应用,并引起了自然语言处理等相关领域
随着计算机技术和网络技术在校园中的普及和应用,校园中建立了多种应用系统,来实现对人员的管理、信息的管理,提供各种信息服务。但是,由于各个系统主管部门不同、面向对象不同、
随着现代工业的不断发展,对荷重测量产品的要求越来越高,对大量现场信号的采集、传送和对精度、可靠性提出了更高的要求。而现有的一些荷重测量装置已不能满足这些要求,因此
随着互联网的更加普及和信息科技的快速发展,我们已经迈入到信息过载的时代,游戏行业产生的数据同样成指数级别增长。游戏中提供的道具信息量快速增加,用户经常会迷失在大量
近二十年是互联网技术和计算机技术飞速发展的阶段,社会信息化的程度也在这段时间越来越高,对各行各业来说,既是挑战也是机遇,大学作为高等教育的学府,也不能避免社会信息化