基于改进BP的GDP预测研究

GDP时间序列具有线性和非线性的双重特征,所以传统统计预测方法、神经网络方法和集成预测方法都在预测分析时准确性不高,误差较大。文章提出由GDP时间序列,找出只具有非线性特征的GDP年增量百分比序列,以此建立基于BP的预测模型,对我国的GDP进行预测,仿真实验表明,改进的BP模型预测准确率明显优于目前的ARIMA-BP集成模型及单一BP模型的预测准确率,从而证实了改进的BP模型用于GDP预测的有效性。     

遗传算法和BP神经网络在GDP预测中的应用

GDP是衡量一个国家或地区宏观经济状况的综合表现的一个重要指标,要想做到对宏观经济进行积极而有效的调控,首先要对未来经济的走势进行预测,根据预测结果制定相应的宏观调控手段,对GDP与经济发展提出政策思考,是十分有意义的。因此,文章运用遗传算法和BP神经网络对GDP进行预测,以揭示其变化规律和发展趋势,为制定科学的宏观调控政策提供依据。     

改进的BP网络及其在数据预测中的应用

本文研究了传统BP神经网络模型的缺陷并提出附加动量的改进的BP神经网络。通过分析了城镇居民家庭人均可支配收入模型,改进的BP网络在收敛速度、误差等方面都有很好的效果,可应用于数据预测等方面。     

相似性寿命预测中的数据预处理方法研究磁

数据预处理是基于相似性的寿命预测方法的首要步骤,重点研究了变工况下数据预处理的方法。首先研究了其必要性,随后从线性模型和非线性模型的角度研究了多工况健康评估方法。从数据标准化、基于经验信噪比的特征加权和基于主成分分析的特征降维研究了多工况数据标准化方法。研究证明,多工况数据标准化方法更适于相似性寿命预测中的数据预处理。     

Snort平台下基于BP网络的预处理插件

在Snort平台使用预处理插件的基础上,提出使用BP神经网络实现一个入侵检测预处理插件.该插件使用改进的BP算法,分为训练部分和检测部分.训练部分是独立的系统,使用样本数据训练得出网络结构参数;检测部分作为插件使用得到的参数构造BP网络并集成到snort中.给出了插件训练部分的详细实现方式,实验结果表明,该插件对异常网络数据包具有较高的检测率,是一种有效的入侵检测系统插件.     

数据预处理在保险理赔预测中的应用

数据挖掘技术在中国的应用尚不普及,一个重要的原因就是由于业务数据的不规范.通过使用数据预处理技术,可以使业务数据更加规范,保证各种数据挖掘算法取得良好的效果.以保险理赔预测为应用背景,介绍了如何结合专业知识进行数据清洗的方法,同时还提出了一种压缩大数据集的数据归约算法.     

数据预处理对LSTM网络大气污染预测精度分析

大气污染物浓度数据具有时序性和非线性的特点,针对时间序列数据中的异常值和缺失值问题,进行异常值和缺失值预处理对长短时记忆神经网络(LSTM)预测精度的影响分析.利用箱线图法判别数据序列中的异常值,以均值替换法、回归插补法和多重插补法进行缺失值的预处理,分别利用原始数据序列和不同预处理方法得到的数据序列,对多变量输入LS...     

基于改进BP网络的染色合格率预测

由于多种因素对染色质量的影响是非线性的,本文在分析影响染色质量因素的基础上,提出了基于BP神经网络的染色合格率预测模型。针对传统BP算法的缺陷,本文采用L-M算法改进BP网络。仿真结果表明,利用该模型预测染色合格率是比较准确而且有效的。     

软件缺陷预测中的数据预处理方法

软件缺陷预测是软件质量保障领域的热点研究课题，缺陷预测模型的质量与训练数据有密切关系。用于缺陷预测的数据集主要存在数据特征的选择和数据类不平衡问题。针对数据特征选择问题，采用软件开发常用的过程特征和新提出的扩展过程特征，然后采用基于聚类分析的特征选择算法进行特征选择；针对数据类不平衡问题，提出改进的Borderline-SMOTE过采样方法，使得训练数据集的正负样本数量相对平衡且合成样本的特征更符合实际样本特征。采用bugzilla、jUnit等项目的开源数据集进行实验，结果表明：所采用的特征选择算法在保证模型F-measure值的同时，可以降低57.94%的模型训练时间；使用改进的Borderline-SMOTE方法处理样本得到的缺陷预测模型在Precision、Recall、F-measure、AUC指标上比原始方法得到的模型平均分别提高了2.36个百分点、1.8个百分点、2.13个百分点、2.36个百分点；引入了扩展过程特征得到的缺陷预测模型比未引入扩展过程特征得到的模型在F-measure值上平均提高了3.79%；与文献中的方法得到的模型相比，所提方法得到的模型在F-measure值上平均提高了15.79%。实验结果证明所提方法能有效提升缺陷预测模型的质量。     

基于BP神经网络的矿山地下水位预测研究

采用BP神经网络技术,将矿区的降雨量、排水量及前期水位三个因素作为输入层,矿山地下水位作为输出层,建立矿山地下水位预测模型.文章详细介绍了BP神经网络实现矿山地下水位预测的基本算法,将研究区矿山的长期观测孔实测水位作为实验数据并作出误差分析.最终成果能够达到矿山地下水位预测目的,并为分析地下水降落漏斗趋势提供有力依据.     

模糊优选BP神经网络及其应用

本文采用模糊优选算法（BP）算法来训练前馈人工神经网络（BPN），用BP算法进行精确训练，使网络收敛速度加快和避免局部极小。     

模糊优选BP神经网络及其应用

本文采用模糊优选算法(BP)算法来训练前馈人工神经网络(BPN),用BP算法进行精确训练,使网络收敛速度加快和避免局部极小。     

基于Spark的交互式数据预处理系统

高质量的决策依赖于高质量的数据,数据预处理是数据挖掘至关重要的环节.传统的数据预处理系统并不能很好的适用于大数据环境,企业现阶段主要使用Hadoop/Hive对海量数据进行预处理,但普遍存在耗时长、效率低、无交互等问题.提出了一种基于Spark的交互式数据预处理系统,系统提供一套通用的数据预处理组件,并支持组件的扩展,数据以电子表格的形式展现,系统记录用户的处理过程并支持撤销重做.本文从数据模型、数据预处理操作、交互式执行引擎以及交互式前端四个方面描述了系统架构.最后使用医疗脑卒中的真实数据对系统进行验证,实验结果表明,系统能够在大数据场景下满足交互式处理需求.     

一种基于时间窗口的数据预处理算法

提出了一个基于时间窗口的数据预处理算法．面向具体应用,根据已有知识,此算法可以智能化地滤去一些“噪声”数据．与一般的定义不同．本文所谓的“噪声”数据是指那些由一些已知的规则决定性地影响着的数据,研究显示它们会对进一步的数据挖掘形成极大干扰．实际测试结果表明,本算法能够改善一些已有数据挖掘算法的执行效果．     

数据预处理的数据缩减方法的研究

在数据挖掘之前对待挖掘数据进行一些选择与准备的预处理工作,可以对数据挖掘的过程和结果产生直接影响。其中数据缩减技术最大限度地精简数据量,提高数据挖掘的执行速度与效率。论述一些典型的数据缩减方法,说明典型方法的应用情况,分析典型方法的使用特点,通过对训练集数据的应用对数据缩减方法进行研究。     

一种基于约束的空缺数据预处理算法

现实数据库中的数据经常包含空缺数据,这些空缺数据的存在可能导致数据挖掘和基于数据仓库决策的失败。该文针对一类包含聚集信息的空缺数据,给出了一种基于约束的预处理算法。文章首先描述了算法的处理思想和步骤,然后给出了实验结果。分析和实验表明,算法是可行的并且能够比不使用约束信息的方法更精确地重构空缺值。     

一种基于粗糙集的新的数据预处理算法

数据预处理在数据挖掘项目中有着举足轻重的作用,是数据挖掘整个过程的关键步骤之一。论文根据粗糙集概率模型应用于数据挖掘的特点,提出了一种用于数据预处理的基于信息归纳的概率粗糙集算法SRII;实验证明,SRII结合算法C4.5应用于数据挖掘具有良好的效率与显著改进的挖掘结果。     

一种基于形态-EMD滤波的过程数据预处理方法

针对化工过程数据的特点,提出一种基于形态-EMD滤波的过程数据预处理方法,先构造一类广义形态滤波器滤除过程数据的粗差干扰,引入经验模式分解滤波法消除随机噪声成分,降低正常过程数据的波动,提取过程数据特征成分,显著提高过程监控性能.与传统的过程数据滤波方法相比,形态-EMD滤波方法无需预先确定滤波器参数,是一种完全的数据...     

基于属性拓展的数据挖掘预处理技术研究

目前的数据挖掘技术基本上依据的是原始数据库中的信息,数据预处理技术要维护原始数据库的信息基本不变,只是进行简单的数据标准化、数据平整、异常点发现、缺失数据修补、数据离散等基本预处理工作,不能从根本上拓展原始数据库中的信息。同时,为保密起见,兴起的隐私保护数据挖掘技术对原始数据库中的敏感数据进行处理,隐藏了一些基本信息,进一步弱化了原始数据库中的信息含量。基于属性拓展的数据挖掘预处理技术,从原始数据库出发,通过属性拓展,拓展基础数据库所蕴含的信息,使数据挖掘能产生更深的隐藏关联规则。