分解型分类数据挖掘算法研究及改进

• 作者: 郭翠翠 钟忺
• 来源期刊: 华中师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 分类 规则提取 RBF 神经网络
• 年，卷（期）: 2008,（4）
• 页码范围: 539-543
• 页数: 5页
• 分类号: TP311.13
• 字数: 5499字
• 语种: 中文
• DOI: 10.3321/j.issn:1000-1190.2008.04.009

摘要

神经网络由于具有良好的非线性映射能力和对任意函数的准确逼近能力,用于分类问题中的分类规则提取往往能获得很高的精度.本文针对一种分解型基于前馈网络的数据挖掘算法做了深入研究,给出了算法流程.根据其结构复杂的特点对前端输入做出了优化,并基于JOONE(Java Object Oriented Neural Network)构造了RBF(Radial Basis Function)径向基分类神经网络,且通过UCI数据集验证了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭翠翠	武汉理工大学计算机学院	5	22	2.0	4.0
2	钟忺	华中科技大学计算机学院	3	0	0.0	0.0