基于過程神經網絡的數據挖掘及其應用研究.pdf

1、對數據挖掘的研究源自人們對海量數據進行有效處理的實際需求。作為數據類型的一種，時間序列在各種各樣的數據庫和數據倉庫中都比較常見。從廣義上講，凡是隨時間變化而觀測或采集的離散點數據，按照時間順序排列而形成的序列都可以稱為時間序列。目前，對時間序列數據進行挖掘已成為當前數據挖掘研究的熱點之一?，F有的數據挖掘方法難以精確反映時間序列中實際存在的時間累積效應，為此，在國家自然科學基金和總裝備部武器預研基金的資助下，本文提出了一種新的數據挖掘方法

2、——基于雙隱層徑向基過程神經網絡的數據挖掘方法，并對其正確性和有效性進行了實際應用驗證。
　　本文主要包括理論和實際應用兩個方面的研究工作：
　　在理論研究方面，本文深入研究了面向過程神經網絡應用的數據準備技術和數據挖掘流程，首次提出了雙隱層徑向基過程神經網絡的概念，在此基礎上，與數據挖掘技術相結合，提出了一種基于雙隱層徑向基過程神經網絡的數據挖掘方法。針對這種新的數據挖掘方法，本文采用將軟競爭學習算法與改進的BP學習算法相

3、結合的學習算法對雙隱層徑向基過程神經網絡進行學習訓練，并以仿真案例證明：本文所提出的基于過程神經網絡的數據挖掘方法在時間序列數據挖掘上具有很好的應用效果。
　　在實際應用方面，本文針對我國航空公司在航空發(fā)動機性能衰退預測方面的實際需求，以反映發(fā)動機性能狀態(tài)的參數數據作為實例，討論對其進行數據準備的具體方法和流程；而后又采用本文所提出的基于過程神經網絡的數據挖掘方法，對發(fā)動機的排氣溫度指數和滑油金屬含量兩組時間序列數據進行了數據挖掘