基于BP神经网络的抚河水环境质量评价研究

水环境质量评价中.评价因子和评价等级之间是一种复杂的非线性关系.人工神经网络权重因子可以通过学习自动调节,不需要人为设置权重,能较好的处理复杂的非线性关系.通过构建基于BP(反向传播)算法的人工神经周络模型.对抚河水质进行评价.评价结果与模糊聚类方法得出的结果进行对比可发现,神经网络法可以客现、准确的得出评价等级,同时还可以分析出同一类别河段污染程度的不同,实例证明它是一种较好的水环境质量评价方法.     

基于变网格聚类的离群数据的研究

随着计算机技术的迅速发展,计算机在过程控制中起着越来越重要的作用,在集散控制系统中,上位机通过PCU(Process ControlUnit)传送来的数据进行分析处理而后对PCU实现参数整定、报警与管理。因此这一领域的数据挖掘方法研究具有十分重要的意义。文章将根据这一领域的特殊情况,提出一种基于变网格的聚类分析算法分析过程数据库中的离群数据,从而实现系统的预测报警功能。     

RBF神经网络在电路故障诊断中的应用研究

电路系统在工业控制中起着极其重要的应用,随着电路越来越复杂,电路各节点间的关系呈现非线性关系,若节点发生故障,如何确定故障发生在何处成为一大难题。利用RBF（radical basis function）神经网络可以快速逼近任意非线性函数及良好分类能力的特点,来实现对电路系统的故障分类。通过RBF与BP方法的比较及实例分析可得出结论,RBF可以很精确地确定电路中的故障来源,在对电路故障诊断能力方面具有较多的优越性。     

关联规则候选项支持频度的研究

总结了支持频度的性质,提出了独立支持频度、固定项集频度守恒性与差值支持频度等相关定义与性质,这些性质真实再现了关联规则父子频度项集间的关系。在差值支持频度的引用,充分利用差值支持频度在关联规则挖掘中的重要性,使得算法能够更加精确的预测候选项集的支持频度,从而实现再次减少候选项集的数目的目的。