數(shù)據(jù)庫中的知識(shí)發(fā)現(xiàn)及其應(yīng)用研究.pdf

1、近年來，從大型數(shù)據(jù)庫自動(dòng)提取知識(shí)的需求急劇增長(zhǎng)。于是相應(yīng)地，數(shù)據(jù)庫中知識(shí)發(fā)現(xiàn)(KDD)和數(shù)據(jù)挖掘兩個(gè)密切相關(guān)的領(lǐng)域中，企圖從大量原始數(shù)據(jù)中智能地提取感興趣及有用信息的過程和方法得到了很大發(fā)展。從生產(chǎn)過程到企業(yè)管理，這種技術(shù)得到廣泛用。本文以國(guó)內(nèi)某一大型鋼鐵企業(yè)為背景，給出了一種改進(jìn)的知識(shí)發(fā)現(xiàn)方法，用于發(fā)現(xiàn)脫硫過程的規(guī)律和知識(shí)。 首先，論文對(duì)KDD領(lǐng)域各種現(xiàn)有理論，遺傳算法，原理及技術(shù)，實(shí)際算法，性能和其作用范圍等作出深入研究.再

2、而對(duì)遺傳算法的改進(jìn)及其在系統(tǒng)建模中的應(yīng)用作出分析，從而引出廣義遺傳法，對(duì)尋伏思路及生物學(xué)作出相對(duì)之解釋，并在步驟，進(jìn)化策略，遺傳算子的設(shè)計(jì)，多種群的算法及流程圖與仿真試驗(yàn)作深入探討.再?gòu)幕煦缋碚摰奶匦裕褪恰倍唐诳梢灶A(yù)測(cè)，長(zhǎng)期不可預(yù)測(cè)”的算法，及開放系統(tǒng)混沌動(dòng)力學(xué)，從而引伸變尺度混沌優(yōu)化法來確定RBF寬度的方法. 繼而分析了RBF神經(jīng)網(wǎng)絡(luò)的基本原理。為了克服RBF神經(jīng)網(wǎng)絡(luò)在確定中心個(gè)數(shù)和寬度中的困難，本文給出改進(jìn)的廣義遺傳算法，

3、利用J.D.Schafer提出的函數(shù)進(jìn)行仿真試驗(yàn)的結(jié)果，證明了該算法的有效性和對(duì)于系統(tǒng)建模的適應(yīng)性。其次，為了進(jìn)一步優(yōu)化RBF的中心，本文引入了輸入輸出聚類方法。RBF的寬度直接影響網(wǎng)絡(luò)的泛化性能，其值偏大網(wǎng)絡(luò)精度不夠，偏小時(shí)泛化能力降低，因此本文采用了混沌搜索優(yōu)化RBF的寬度。仿真結(jié)果表明RBF混沌搜索算法是有效和實(shí)用的。 其后，將改進(jìn)后的RBF神經(jīng)網(wǎng)絡(luò)用于鐵水脫硫過程的靜態(tài)預(yù)測(cè)模型，其中鐵水重量、鐵水脫硫前含硫量、鐵水脫硫后

4、含硫量作為輸入，脫硫劑用量作為輸出。離線仿真結(jié)果表明： 1.本文所給出的算法不僅可以用于提取RBF的中心數(shù)，還優(yōu)化了中心位置，提高了模型精度； 2.基于混沌搜索優(yōu)化的RBF寬度保證了模型的泛化能力； 3.利用RBF神經(jīng)網(wǎng)絡(luò)建立的鐵水脫硫靜態(tài)預(yù)測(cè)模型可以用于鐵水脫硫過程中脫硫劑用量的預(yù)報(bào)。 4.在研究中發(fā)現(xiàn)，遺傳算法優(yōu)化時(shí)間復(fù)雜度較高，即使采用了收斂速度較快的廣義遺傳算法，模型優(yōu)化時(shí)間仍然較長(zhǎng)。即使能滿足脫