基于改进模糊k均值算法和神经网络算法的数据挖掘模型

• 作者: 李桃迎 杨明 牟向伟 陈燕
• 来源期刊: 大连海事大学学报
• 学科: 工学
• 关键词: 模糊k均值算法 BP神经网络 数据挖掘
• 年，卷（期）: 2008,（4）
• 所属期刊栏目: 自动化
• 页码范围: 37-40,44
• 页数: 5页
• 分类号: TP183
• 字数: 3286字
• 语种: 中文

摘要

为解决神经网络算法中样本数据包含大量与目标数据无关的属性而导致网络训练时间长、效率低的问题,提出基于改进模糊k均值(FKM)和BP神经网络算法的数据挖掘模型.利用改进的FKM聚类算法对输入数据的属性进行聚类,摈弃与目标属性相关性弱或冗余的属性,保留相关性强的属性,减少了神经网络的训练样本数据量,提高了网络的训练效率.对儿童血红蛋白含量的预测结果表明,该模型具有很好的实用性和可靠性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈燕	大连海事大学经济与管理学院	166	1835	23.0	33.0
2	李桃迎	大连海事大学经济与管理学院	37	528	11.0	22.0
3	牟向伟	大连海事大学经济与管理学院	24	152	7.0	12.0
4	杨明	大连海事大学经济与管理学院	15	104	5.0	9.0