【摘要】：人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)作為機(jī)器學(xué)習(xí)的重要方式,在人工智能、模式識(shí)別、圖像處理等領(lǐng)域已成功應(yīng)用;BP網(wǎng)絡(luò)作為神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的精華,它利用誤差反傳的方式不斷修正權(quán)重以達(dá)到最佳擬合.多屬性決策問(wèn)題是決策理論研究領(lǐng)域的熱點(diǎn),當(dāng)研究的問(wèn)題涉及多個(gè)屬性時(shí),需要分析各屬性的重要程度,即屬性的權(quán)重.針對(duì)多分類輸出結(jié)果的多輸入屬性相關(guān)性和重要性問(wèn)題,提出了利用BP神經(jīng)網(wǎng)絡(luò)計(jì)算復(fù)雜輸入屬性的重要性方法;并對(duì)神經(jīng)網(wǎng)絡(luò)的節(jié)點(diǎn)數(shù)量、網(wǎng)絡(luò)層數(shù)、學(xué)習(xí)策略、學(xué)習(xí)因子等進(jìn)行研究,建立了適合屬性重要性計(jì)算的BP神經(jīng)網(wǎng)絡(luò)模型;以煙臺(tái)大學(xué)學(xué)生評(píng)教數(shù)據(jù)作為具體實(shí)例,利用k-fold方法驗(yàn)證其可行性和有效性.
[Abstract]:As an important way of machine learning, artificial neural network learning has been successfully applied in artificial intelligence, pattern recognition, image processing and other fields. As the essence of neural network learning, BP network uses the way of error backpropagation to constantly modify the weight to achieve the best fit. Multi-attribute decision making is a hot topic in the field of decision theory. When multiple attributes are involved, it is necessary to analyze the importance of each attribute, that is, the weight of attribute. Aiming at the problem of the correlation and importance of multi-input attributes in multi-classification output, a method of calculating the importance of complex input attributes using BP neural network is proposed. The number of nodes, the number of network layers, learning strategies and learning factors of the neural network are studied, and the BP neural network model suitable for attribute importance calculation is established. Taking the student evaluation data of Yantai University as an example, the k-fold method is used to verify its feasibility and effectiveness.
【作者單位】： 哈爾濱工程大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院;煙臺(tái)大學(xué)計(jì)算機(jī)與控制工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金(61472095,61502140,61572418)資助
【分類號(hào)】：TP183

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 紀(jì)軍;吳根秀;李瑋;;基于包含程度的屬性重要性定義[J];江西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年06期

2 杜金蓮,遲忠先,翟巍;基于屬性重要性的逐步約簡(jiǎn)算法[J];小型微型計(jì)算機(jī)系統(tǒng);2003年06期

3 仇國(guó)芳;陳勁;;模糊信息系統(tǒng)屬性重要性度量[J];模糊系統(tǒng)與數(shù)學(xué);2006年01期

4 朱建平;曾玉鈺;;基于屬性重要性的定性數(shù)據(jù)聚類分析及應(yīng)用[J];計(jì)算機(jī)技術(shù)與發(fā)展;2007年12期

5 劉斌;倪志偉;趙敏;;基于屬性重要性的貪心算法的改進(jìn)算法[J];合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年08期

6 馬周明;;信息系統(tǒng)中屬性重要性的等價(jià)刻畫(huà)[J];漳州師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2010年03期

7 胡文瑾;李明;;基于屬性重要性的關(guān)聯(lián)分類方法[J];計(jì)算機(jī)工程與設(shè)計(jì);2008年09期

8 王小菊;蔣蕓;李永華;;基于依賴度之差的屬性重要性評(píng)分[J];計(jì)算機(jī)技術(shù)與發(fā)展;2009年01期

9 連鋼;程媛媛;吳根秀;;一致完備決策系統(tǒng)中屬性重要性定義的改進(jìn)[J];江西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年03期

10 陽(yáng)琳峗;周海京;卓晴;王文淵;;基于屬性重要性的加權(quán)聚類融合[J];計(jì)算機(jī)科學(xué);2009年04期

相關(guān)會(huì)議論文 前2條

1 王成江;黃道;;基于屬性重要性的離散化方法[A];第二十三屆中國(guó)控制會(huì)議論文集（下冊(cè)）[C];2004年

2 李菊;劉曉平;;基于屬性重要性的改進(jìn)算法[A];全國(guó)第22屆計(jì)算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議(CACIS·2011)暨全國(guó)第3屆安全關(guān)鍵技術(shù)與應(yīng)用（SCA·2011）學(xué)術(shù)會(huì)議論文摘要集[C];2011年

相關(guān)碩士學(xué)位論文 前3條

1 李明;基于決策表的屬性重要性度量及應(yīng)用[D];河北科技大學(xué);2014年

2 胡啟慧;基于知識(shí)變化率的屬性重要性度量方法的研究[D];河北科技大學(xué);2015年

3 連鋼;基于決策能力的屬性約簡(jiǎn)模型[D];江西師范大學(xué);2008年

，

本文編號(hào)：2311078