基于RBF神经网络并行学习模型的数据分类及预测研究

被引:0
作者
胡浩民
机构
[1] 上海师范大学
关键词
径向基函数神经网络; 层次遗传算法; 并行计算; 机群系统; 数据挖掘; 数据分类; 预测; 时间序列数据库;
D O I
暂无
年度学位
2003
学位类型
硕士
导师
摘要
随着现代信息技术的迅速发展,许多领域都积累了大量的数据。我们渴望发现潜在于这些数据中的知识与规律。正是这一需求造就了数据挖掘学科的兴起及数据挖掘技术的发展。作为一个多学科交叉的综合性领域,数据挖掘涉及了数据库、统计学、机器学习、高性能计算、模式识别、神经网络和数据可视化等学科。数据分类与预测作为一种重要的挖掘技术有着广泛的应用。在这一研究方向,目前已提出了多种分类方法(如决策树归纳分类、贝叶斯分类、神经网络分类和K-最邻近分类等)和一些预测技术(如线性回归、非线性回归等)。然而,尚未发现有一种方法对所有数据的处理都优于其他方法[1]。 由于时间序列数据库的日趋庞大及其挖掘的潜在意义,目前,时序数据挖掘研究已成为一个热点;然而,时间序列数据的非线性混沌特点,使得对它的挖掘成为难题。本文在分析与比较以上几种分类及预测方法的基础上,引入了径向基函数神经网络(Radial Basis Function Neural Network,简称RBFNN)对时间序列数据进行预测。在介绍该神经网络优点的同时,也阐述了其中较为棘手的难点。文中使用了层次遗传算法作为神经网络学习方法。在分析该方法可行性及效率的基础上,本文提出了用粗粒度并行方法进行径向基函数神经网络训练的思想,并建立了求解模型,旨在取得较好的预测效果。 最后,本文应用上述并行模型优化的RBF神经网络对非线性函数值以及证券个股收盘价进行预测。实验结果表明,当数据无噪声时,预测效率与精度都非常高;在处理带噪声,并呈现混沌特性的数据时,虽有一定的误差,但预测结果还是在可以接受的范围内。
引用
收藏
页数:61
共 15 条
[1]
机群系统中基于MPI的多维稀疏数组传递方法 [J].
俞时权 ;
胡浩民 ;
马德云 .
计算机工程, 2003, (05) :69-71
[2]
神经网络的应用与发展趋势 [J].
王学武 ;
谭得健 .
计算机工程与应用, 2003, (03) :98-100+113
[3]
一种径向基函数神经网络在线训练算法及其在非线性控制中的应用 [J].
王学雷 ;
邵惠鹤 ;
李亚芬 .
信息与控制, 2001, (03) :249-253
[4]
基于RBF神经网络的混沌时间序列预测 [J].
李冬梅 ;
王正欧 .
模式识别与人工智能, 2001, 14 (02) :231-234
[5]
面向特定结构的几种BP并行算法及比较 [J].
刘皓 ;
魏平 ;
肖先赐 .
系统工程与电子技术, 2000, (01) :70-72+76
[6]
RBF神经网络理论及其在控制中的应用 [J].
王旭东 ;
邵惠鹤 .
信息与控制, 1997, (04)
[7]
混合认知系统及其在股市分析上的应用 [J].
叶中行 ;
顾立庭 .
上海交通大学学报, 1995, (02)
[8]
神经网络理论.[M].(俄)А.И.加卢什金著;阎平凡译;.清华大学出版社.2002,
[9]
神经网络设计.[M].(美)MartinT.Hagan等著;.机械工业出版社.2002,
[10]
知识发现.[M].史忠植著;.清华大学出版社.2002,