序列構(gòu)造神經(jīng)網(wǎng)絡(luò)與多維數(shù)據(jù)分析

前言

　　隨著社會(huì)和科學(xué)技術(shù)的不斷進(jìn)步，知識(shí)逐漸成為創(chuàng)新的核心，知識(shí)創(chuàng)新成為知識(shí)經(jīng)濟(jì)發(fā)展的最主要的動(dòng)力源泉。由于信息技術(shù)和網(wǎng)絡(luò)技術(shù)的發(fā)展，人們?cè)谏詈凸ぷ髦挟a(chǎn)生數(shù)量浩瀚、種類(lèi)繁雜的數(shù)據(jù)資源。成千上萬(wàn)的計(jì)算資源、數(shù)據(jù)資源、軟件資源與各種數(shù)字化設(shè)備和控制系統(tǒng)共同構(gòu)成了生產(chǎn)、傳播和使用知識(shí)的重要載體。然而，信息技術(shù)和網(wǎng)絡(luò)技術(shù)的迅速發(fā)展并未使得用戶(hù)在處理信息、定位感興趣的信息資源時(shí)變得異常方便。據(jù)統(tǒng)計(jì)，全世界的數(shù)據(jù)量每18個(gè)月增長(zhǎng)一倍，而人們卻越來(lái)越感到知識(shí)十分貧乏，也就是出現(xiàn)“數(shù)據(jù)爆炸，知識(shí)貧乏”的窘境。如何在浩瀚繁雜的數(shù)據(jù)中分析、獲得有益的知識(shí)，并且指導(dǎo)人們利用這些知識(shí)進(jìn)行科學(xué)正確的決策，是當(dāng)前智能信息處理研究者的重要任務(wù)。在此背景下，數(shù)據(jù)多維分析以及知識(shí)發(fā)現(xiàn)（Knowledge Discoveryin Database，KDD）應(yīng)運(yùn)而生，并迅速發(fā)展成為當(dāng)前的研究熱點(diǎn)?！　≈R(shí)發(fā)現(xiàn)就需要有能使從大量數(shù)據(jù)中發(fā)現(xiàn)潛在規(guī)律、提取有用知識(shí)的方法和技術(shù)。知識(shí)發(fā)現(xiàn)不但能夠?qū)W習(xí)已有的知識(shí)，而且能夠發(fā)現(xiàn)未知的知識(shí)，得到的知識(shí)是“顯式”的，既能為人所理解，又便于存儲(chǔ)和應(yīng)用，因此一出現(xiàn)就得到廣泛的重視。因此，可以看出，研究如何從數(shù)據(jù)中分析相關(guān)信息的技術(shù)和方法將成為一個(gè)研究重點(diǎn)?！　〗刂沟侥壳?，基于已有數(shù)據(jù)的知識(shí)發(fā)現(xiàn)已在市場(chǎng)營(yíng)銷(xiāo)、金融風(fēng)險(xiǎn)評(píng)估、生物工程、Internet信息挖掘、電子商務(wù)、天文和空間科學(xué)、工業(yè)制造和控制系統(tǒng)等許多領(lǐng)域得到了廣泛的應(yīng)用。

內(nèi)容概要

信息爆炸的時(shí)代,海量數(shù)據(jù)特征維數(shù)高,樣本數(shù)據(jù)及類(lèi)別多，信息非結(jié)構(gòu)化。如何從海量數(shù)據(jù)中尋找知識(shí)？　　作者利用基于序列構(gòu)造神經(jīng)網(wǎng)絡(luò)的信息處理技術(shù)，把高維海量數(shù)據(jù)信息轉(zhuǎn)換為神經(jīng)網(wǎng)絡(luò)的構(gòu)造，有效地降低了問(wèn)題規(guī)模和時(shí)間復(fù)雜度，解決傳統(tǒng)前饋網(wǎng)絡(luò)中固定結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)難以訓(xùn)練和網(wǎng)絡(luò)結(jié)構(gòu)難以確定的問(wèn)題,得到明顯的效果?！　　缎蛄袠?gòu)造神經(jīng)網(wǎng)絡(luò)與多維數(shù)據(jù)分析》還將序列構(gòu)造神經(jīng)網(wǎng)絡(luò)應(yīng)用到房產(chǎn)行業(yè),對(duì)現(xiàn)實(shí)房產(chǎn)租賃指數(shù)多維數(shù)據(jù)分析進(jìn)行了探索，顯示了該方法的廣泛應(yīng)用前景。

書(shū)籍目錄

前言?xún)?nèi)容提要第一章  多維數(shù)據(jù)分析及其研究概述  引言  維與多維的概念  數(shù)據(jù)分析的視角：維  維的度量屬性  維的層次  維的特性  維的分類(lèi)  維的選擇與設(shè)計(jì)  多維數(shù)據(jù)分析的概念  多維數(shù)據(jù)分析的基礎(chǔ)  多維數(shù)據(jù)分析的數(shù)據(jù)準(zhǔn)備  多維數(shù)據(jù)分析的一般方法  多維數(shù)據(jù)分析的應(yīng)用前景  知識(shí)發(fā)現(xiàn)的需求  實(shí)際應(yīng)用環(huán)境下數(shù)據(jù)增長(zhǎng)的需求  智能數(shù)據(jù)發(fā)展的需求  多維數(shù)據(jù)分析的研究情況  基于粗糙集數(shù)據(jù)的分析方法  基于支持向量機(jī)的分析方法  基于貝葉斯的分析方法第二章  神經(jīng)網(wǎng)絡(luò)及其研究概述  引言  人工神經(jīng)網(wǎng)絡(luò)與多維數(shù)據(jù)分析  神經(jīng)網(wǎng)絡(luò)如何工作  建立不同類(lèi)型的模型——無(wú)指導(dǎo)的學(xué)習(xí)  神經(jīng)網(wǎng)絡(luò)方法——競(jìng)爭(zhēng)學(xué)習(xí)  模型的優(yōu)缺點(diǎn)  機(jī)器學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)  傳統(tǒng)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)中的缺陷  固定的網(wǎng)絡(luò)結(jié)構(gòu)  網(wǎng)絡(luò)訓(xùn)練時(shí)間周期長(zhǎng)  小結(jié)第三章  序列構(gòu)造神經(jīng)網(wǎng)絡(luò)的模型研究  引言  神經(jīng)網(wǎng)絡(luò)BP學(xué)習(xí)算法  誤差反向傳播算法  誤差反向傳播算法的改進(jìn)  序列構(gòu)造神經(jīng)網(wǎng)絡(luò)的一些特點(diǎn)  序列構(gòu)造神經(jīng)網(wǎng)絡(luò)的理論基礎(chǔ)  基本概念  序列構(gòu)造網(wǎng)絡(luò)構(gòu)造的基本結(jié)構(gòu)  序列構(gòu)造神經(jīng)網(wǎng)絡(luò)的基本原理  網(wǎng)絡(luò)對(duì)已有樣本的學(xué)習(xí)過(guò)程  網(wǎng)絡(luò)對(duì)新樣本的識(shí)別過(guò)程  序列構(gòu)造型神經(jīng)網(wǎng)絡(luò)的機(jī)理分析  動(dòng)態(tài)網(wǎng)絡(luò)結(jié)構(gòu)模型  神經(jīng)元?jiǎng)討B(tài)序列的幾何空間解釋  內(nèi)部隱層神經(jīng)元的確定  小結(jié)第四章  序列構(gòu)造神經(jīng)網(wǎng)絡(luò)的構(gòu)造方法  引言  多類(lèi)樣本的序列神經(jīng)網(wǎng)絡(luò)的構(gòu)造方法  多類(lèi)樣本構(gòu)造的一般過(guò)程描述  訓(xùn)練中的復(fù)雜度分析  訓(xùn)練樣本的選擇  數(shù)值屬性的替換原則  屬性數(shù)據(jù)值調(diào)整  實(shí)驗(yàn)及討論  小結(jié)第五章  序列構(gòu)造神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)方法  引言  超平面結(jié)構(gòu)神經(jīng)元的實(shí)現(xiàn)方法  超平面神經(jīng)元  結(jié)合超平面神經(jīng)元的SCNN實(shí)現(xiàn)  實(shí)現(xiàn)機(jī)理分析  RBF神經(jīng)元的實(shí)現(xiàn)方法  RBF神經(jīng)元  結(jié)合RBF神經(jīng)元的SCNN實(shí)現(xiàn)  實(shí)現(xiàn)機(jī)理分析  相關(guān)改進(jìn)算法  數(shù)據(jù)一次批量清洗處理  數(shù)據(jù)多次清洗處理  實(shí)驗(yàn)及對(duì)比分析  實(shí)驗(yàn)及討論  問(wèn)題簡(jiǎn)介  效果及分析  小結(jié)第六章  基于序列構(gòu)造神經(jīng)網(wǎng)絡(luò)的多維數(shù)據(jù)分析方法  引言  網(wǎng)絡(luò)訓(xùn)練過(guò)程中的多維分析框架模型  原始數(shù)據(jù)  剖面（規(guī)則）  序列構(gòu)造神經(jīng)網(wǎng)絡(luò)  神經(jīng)元分析信息融合  神經(jīng)網(wǎng)絡(luò)對(duì)多維空間數(shù)據(jù)表示的機(jī)理分析  內(nèi)部構(gòu)造神經(jīng)元對(duì)信息數(shù)據(jù)的描述  加權(quán)神經(jīng)元序列對(duì)原始數(shù)據(jù)信息映射的討論  多維數(shù)據(jù)分析算法  引言  學(xué)習(xí)規(guī)則的變換方法  序列構(gòu)造神經(jīng)網(wǎng)絡(luò)的多側(cè)面分解  多側(cè)面分析與序列構(gòu)造神經(jīng)元的集成  結(jié)合序列構(gòu)造神經(jīng)網(wǎng)絡(luò)的多維數(shù)據(jù)分析的基本操作  序列構(gòu)造神經(jīng)網(wǎng)絡(luò)的多維數(shù)據(jù)分析特點(diǎn)  多個(gè)不同側(cè)面神經(jīng)元規(guī)則序列  側(cè)面知識(shí)的合成  多維數(shù)據(jù)處理的能力  小結(jié)第七章  序列構(gòu)造神經(jīng)網(wǎng)絡(luò)的多維數(shù)據(jù)分析應(yīng)用探索  引言  房產(chǎn)租賃指數(shù)多維數(shù)據(jù)分析的應(yīng)用需求分析  常規(guī)房產(chǎn)租賃指數(shù)研究的技術(shù)路線  基于SCNN的房產(chǎn)租賃指數(shù)多維數(shù)據(jù)分析系統(tǒng)建模  房產(chǎn)租賃指數(shù)分析模型  房產(chǎn)租賃數(shù)據(jù)的主要構(gòu)成  數(shù)據(jù)量化與歸一化過(guò)程  主要算法設(shè)計(jì)步驟  系統(tǒng)建模的其他考慮  基于SCNN的房產(chǎn)租賃指數(shù)多維數(shù)據(jù)分析系統(tǒng)初步實(shí)施簡(jiǎn)介  系統(tǒng)模塊說(shuō)明  現(xiàn)階段情況  系統(tǒng)評(píng)價(jià)  小結(jié)參考文獻(xiàn)附錄一  MATLAB  1．MATLAB簡(jiǎn)介  2．MATLAB編程環(huán)境與程序設(shè)計(jì)基礎(chǔ)  3．MATLAB的向量操作  4．MATLAB的矩陣操作  5．MATLAB的多項(xiàng)式  6．MATLAB的編程基礎(chǔ)附錄二  神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)及應(yīng)用實(shí)例  1．Matlab中神經(jīng)網(wǎng)絡(luò)的主要函數(shù)列表  2．Matlab神經(jīng)網(wǎng)絡(luò)操作的示例代碼附錄三  租賃指數(shù)數(shù)據(jù)摘錄  1．普通住宅（房齡小于5年）的租賃數(shù)據(jù)（2007~2008）  2．高檔公寓類(lèi)住宅租賃數(shù)據(jù)摘錄（2007~2008）  3．租賃指數(shù)走勢(shì)（2006~2008）

章節(jié)摘錄

　　第一章 多維數(shù)據(jù)分析及其研究概述　　引言　　多維數(shù)據(jù)分析的本質(zhì)是指從數(shù)據(jù)中識(shí)別合理的、新穎的、有潛在價(jià)值的、以及最終可理解模式（Pattern）的非常規(guī)過(guò)程。數(shù)據(jù)分析中面臨的一個(gè)主要問(wèn)題是數(shù)據(jù)中潛在可能的關(guān)系模式數(shù)量太大，因此要想搜索到有用的模式，傳統(tǒng)的線性變換的方法難以適應(yīng)大數(shù)據(jù)量需求，必須采用一定的人工智能技術(shù)，特別是并行計(jì)算的神經(jīng)網(wǎng)絡(luò)領(lǐng)域的方法。對(duì)于多維空間點(diǎn)的處理，使用的方法主要是傳統(tǒng)的線性變換方法以及當(dāng)前流行的非線性變換方法。并行計(jì)算的神經(jīng)網(wǎng)絡(luò)方法對(duì)于多維、非線性應(yīng)用有本質(zhì)的聯(lián)系，神經(jīng)網(wǎng)絡(luò)的本質(zhì)是一種基于連接的并行計(jì)算方法，可以認(rèn)為是在概念空間尋找映射函數(shù)，實(shí)現(xiàn)多維空間到低維空間的映射。這種非線性映射的方法，適合多維數(shù)據(jù)的處理規(guī)律，因此具有實(shí)現(xiàn)對(duì)多維數(shù)據(jù)分析的能力。本書(shū)在介紹序列構(gòu)造神經(jīng)網(wǎng)絡(luò)的多維數(shù)據(jù)分析方法之前，先簡(jiǎn)單介紹一下多維數(shù)據(jù)分析的相關(guān)概念及其研究現(xiàn)狀與進(jìn)展?！　【S與多維的概念　　數(shù)據(jù)分析的視角：維　　維是人們觀察客觀事物的角度，是一種類(lèi)型劃分的方法。例如我們要評(píng)估一套房產(chǎn)的價(jià)格，可以從城市、地段、面積、房型、樓層、朝向等因素進(jìn)行分析，那么這里的城市、地段、面積、房型、樓層、朝向就是相應(yīng)的維?；诓煌木S，可以看到各量度的匯總情況，也可以基于所有的維進(jìn)行交叉分析。所以，維是多維數(shù)據(jù)集的結(jié)構(gòu)性特性，是實(shí)際數(shù)據(jù)中用來(lái)描述數(shù)據(jù)分類(lèi)的有組織的層次結(jié)構(gòu)。這些分類(lèi)和級(jí)別描述了一些相似的成員集合，可以基于這些成員集合進(jìn)行分析。

圖書(shū)封面

評(píng)論、評(píng)分、閱讀與下載

---

    序列構(gòu)造神經(jīng)網(wǎng)絡(luò)與多維數(shù)據(jù)分析 PDF格式下載

---