資源描述：
《徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的優(yōu)化研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、難磯殺證皆．嗦東擊大樂擊；＇蒙；碩表學(xué)餐冷；文議心：：徑巧摹瑤數(shù)神經(jīng)闊維酌優(yōu)化研費’、，：＇‘‘，Ｏｔｉｆ船糾ｏｎｏｆ化ｅＲＢｔ推Ｕ礎(chǔ)ＩＮ曲、ｏｒｋ玄皆‘、耳ｐ＇；扣覃：、獻：穀，曜＇研光．非侶、、、＿＿＿＿ｉＬ＿、．＿義ｒ皆如、ｖ叫：海、‘；：ｔ．－＾／巧ｎ．期、：ｅ文—１置？—苗＿逃＿雌，、１１屬獨創(chuàng)性聲嚷本人聲明所呈交的論文是我個人在導(dǎo)師指導(dǎo)下進行的研究工作及取得的研究成果。盡我所知，除了文中特別加標(biāo)注和致謝的地方
2、外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得山東理工大學(xué)或其它教育機構(gòu)的學(xué)位或證書而使用過一的材料。與我同工作的同志對本研究所做的任何貢獻均己在論文中作了明確的說明并■表示了謝意。化化Ｉ研巧生簽名；旅乂時間；年谷月ｆ日關(guān)于論文使用授權(quán)的說巧、；本人完全了解山東理工大學(xué)有關(guān)保留使用學(xué)位論文的規(guī)定，即學(xué)校有權(quán)保留送交論文的復(fù)印件和磁盤，允許論文被查閱和借閱；學(xué)校可Ｗ用不同方式在不同媒體上發(fā)、、表、傳搖學(xué)位論文的全部或部分內(nèi)容，可Ｗ采用影印縮印或掃
3、描等復(fù)制手段保存匯編學(xué)位論文。（保密的學(xué)位論文在解密后應(yīng)遵守此協(xié)議）研究生簽名：旅義時間；如化年年６月＂日導(dǎo)師簽名時間；處６月＂日化山東理工大學(xué)碩士學(xué)位論文摘要摘要隨著互聯(lián)網(wǎng)和信息化技術(shù)的不斷發(fā)展，企業(yè)及其他各種組織積累了大量的數(shù)據(jù)，人們面臨著從大量不同類型、不同來源的數(shù)據(jù)中獲取有用知識的問題。數(shù)據(jù)挖掘技術(shù)融合了人工智能、數(shù)據(jù)庫技術(shù)等多門學(xué)科，通過數(shù)據(jù)挖掘技術(shù)的應(yīng)用，數(shù)據(jù)中很多潛在的有用信息能夠被發(fā)現(xiàn)并且應(yīng)用于社會生產(chǎn)決策之中。徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)是一類應(yīng)用非常廣泛的人工神經(jīng)
4、網(wǎng)絡(luò)，學(xué)習(xí)速度快，能夠無限地逼近任意非線性函數(shù)，但是網(wǎng)絡(luò)結(jié)構(gòu)不易確定，因此本文使用其他的智能算法并借助算法的優(yōu)點改善神經(jīng)網(wǎng)絡(luò)中的缺陷，提高網(wǎng)絡(luò)能力。本文將蟻群聚類算法和粒子群算法與徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)依次相結(jié)合，從神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)初始化和結(jié)構(gòu)優(yōu)化兩個方面對算法進行改進，以達到提升算法性能的目的。首先，使用蟻群聚類算法將參與網(wǎng)絡(luò)訓(xùn)練的樣本數(shù)據(jù)聚類，獲取子集的個數(shù)和中心點，然后通過相應(yīng)計算獲取網(wǎng)絡(luò)相關(guān)的參數(shù)信息，獲取神經(jīng)網(wǎng)絡(luò)的初始結(jié)構(gòu)。本文使用LF蟻群聚類算法，針對算法的不足對算法進行了改進，提高了聚類的運
5、行速度和精度，使用鳶尾花集合對改進后的LF算法進行實驗對比。其次，使用粒子群算法對神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進行優(yōu)化，以獲取更加準(zhǔn)確的結(jié)構(gòu)數(shù)據(jù)，使用多極值的測試數(shù)據(jù)對優(yōu)化后的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)進行實驗對比。另外，針對粒子群算法的不足對算法進行改進，使用混沌干擾、交叉等方法改變粒子特征，使得算法更容易查找到全局最優(yōu)解。最后，將優(yōu)化后的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)應(yīng)用在網(wǎng)絡(luò)流量預(yù)測方面，通過數(shù)據(jù)建模、數(shù)據(jù)分析等操作為高校提供網(wǎng)絡(luò)流量預(yù)測模型。主要介紹了流量預(yù)測的過程，包括數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)整理、模型創(chuàng)建、結(jié)果分析等，并對多個不同
6、算法的預(yù)測結(jié)果進行了比較分析。關(guān)鍵詞：徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)；蟻群聚類算法；粒子群算法；混沌；交叉I山東理工大學(xué)碩士學(xué)位論文AbstractAbstractWiththecontinuousdevelopmentoftheinternetandinformationtechnology,enterprises,governmentsandotherorganizationshaveaccumulatedalargescaleofdata.Thenpeoplewishtogetusefulknowled
7、gefromanumberofdifferenttypesandsourcesofdata.Dataminingemergesastheartificialintelligenceanddatabasetechnologydevelop,anditisadisciplinewhichstrivestofindvaluableinformationforpeople.RBFneuralnetworkisakindofartificialneuralnetworkwithverywideapplica
8、tion,anditcanapproachanynonlinearfunctionwithunlimitedaccuracy,butitsstructureisnoteasytodetermine.Thereforethegoalofthepaperistoincreasetheefficiencycombinedwithotheralgorithms.WeuseantcolonyclusteringalgorithmandPSOalgorithmtoimprovetheperfo
