基于改进模糊k均值算法和神经网络算法的数据挖掘模型

摘要：

为解决神经网络算法中样本数据包含大量与目标数据无关的属性而导致网络训练时间长、效率低的问题,提出基于改进模糊k均值(FKM)和BP神经网络算法的数据挖掘模型.利用改进的FKM聚类算法对输入数据的属性进行聚类,摈弃与目标属性相关性弱或冗余的属性,保留相关性强的属性,减少了神经网络的训练样本数据量,提高了网络的训练效率.对儿童血红蛋白含量的预测结果表明,该模型具有很好的实用性和可靠性.

关键词：模糊k均值算法、BP神经网络、数据挖掘

所属期刊栏目：34

分类号：TP183(自动化基础理论)

在线出版日期：2013-09-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：37-40,44