基于RBF神经网络的关联数据一致性挖掘仿真

摘要：

由于在众多数据中得到目标信息的难度较高,为此深入研究关联数据的一致性规则,提出一种RBF神经网络下关联数据一致性挖掘算法.按照数据属性创建不同类型的属性记录库,累计求和全部属性相似度,消除重复数据,利用加权局部多项式算法平滑数据,剔除数据噪声;将内容相关的条件函数依赖作为一致性约束条件,通过模式融合与实例融合获得关联数据一致性规律;把预处理数据与一致性规律拟作输入值,引入RBF(径向基函数)神经网络,经过网络训练明确网络架构和参数,使用梯度下降策略调节训练参数,若输出误差低于准许误差,即可得到关联数据一致性挖掘结果.仿真结果表明,所提方法一致性挖掘准确率高、速率快,具有较高的应用价值.

关键词：径向基函数神经网络、关联数据、一致性、数据挖掘、数据清洗

所属期刊栏目：40

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金62076215

在线出版日期：2023-08-15（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：457-461