基于神经网络和粒子群优化的数据挖掘算法的研究

• 作者: 柏世兵
• 来源期刊: 激光杂志
• 学科: 工学
• 关键词: 神经网络 粒子群 数据挖掘 聚类 收敛
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 光通信与网络
• 页码范围: 88-92
• 页数: 5页
• 分类号: TN209
• 语种: 中文
• DOI: 10.14016/j.cnki.jgzz.2017.03.088

摘要

由于差异化分布式数据的稀疏性和混沌性,导致采用粒子群算法进行数据挖掘容易陷入局部收敛,数据挖掘的准确度不好.提出一种基于神经网络和粒子群优化的数据挖掘算法,首先计算差异化分布式数据挖掘的全局核函数和混合核函数,构建挖掘决策模型.以训练误差作为挖掘优化的约束条件,采用粒子群学习的泛化能力进行数据挖掘的聚类中心计算,克服初始聚类中心敏感和易陷入局部最优的缺点.然后采用神经网络模型进行数据聚类处理,实现数据优化挖掘.最后进行仿真实验分析,结果表明,采用本文算法进行差异化分布式数据挖掘具有更高的准确率和更强的收敛能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	柏世兵	重庆工程学院通识学院	7	7	1.0	2.0