【从神经网络集成中抽取规则】姜远.pdf
(签字)2001年6月6日 MG9833045 世福 号:论文答辨日期:指导教师:学
南京大学研究生毕业论文 摘要 本文提出了一个神经网络集成规则抽取算法REFNE。该算法采 用一种独特的数据生成方式,不仅能生成可以比较好地反映神经网 络集成性能的数据集,还可以避免神经网络集成在处理某些示例时 的不确定判别给规则抽取处理带来不良影响。REFN算法可以将不 同连续属性的取值范围离散化为不同数自的区间,还可以避免不必 要的聚类处理。此外,算法在规则产生和评价过程中引入了统计技 术,可以生成形式简洁的优先级规则。由于该算法不依赖于神经网 络集成中个体网络的结构和训练算法,因此可以方便地应用于各种 本文用UCI机器学习数据库中的四个数据集对REFNE算法进行 了测试。
5南京大学研究生毕业论文 目录 神经网络概述 什么是神经网络 神经网络研究的重要性 神经网络研究的发展历程 神经网络基本模型 生物神经元功能模型 M-P模型.感知机模型 Hopfield网络模型 BP模型 本文的工作 神经网络集成概述 神经网络集成研究现状 实现方法.理论分析.应用成果 神经网络规则抽取概述 神经网络规则抽取研究现状 基于结构分析的方法 基于性能分析的方法 REFNE算法 连续属性处理 规则评价和整理 绪论 引言 研