近年來,隨著數(shù)據(jù)挖掘技術的不斷發(fā)展和進步,已經(jīng)給人們的生產(chǎn)生活帶來了巨大的經(jīng)濟效益和生活便利。神經(jīng)網(wǎng)絡模型是數(shù)據(jù)挖掘中應用最廣泛的模型之一,而基于梯度下降的BP神經(jīng)網(wǎng)絡是目前應用最廣泛的神經(jīng)網(wǎng)絡模型之一。建立一套基于BP神經(jīng)網(wǎng)絡用于生產(chǎn)生活的預測模型能給人們帶來極大的方便。由于基于梯度下降的BP神經(jīng)網(wǎng)絡在學習的過程中存在容易陷入到局部的極小值點的缺點,所以本文結合灰色理論的預測算法,對BP神經(jīng)網(wǎng)絡預測模型的學習算法進行了改進。 本文實現(xiàn)了一個用于生豬市場價格預測的數(shù)據(jù)挖掘模型,對于建模過程的各個步驟都進行了具體的闡述和研究。論文首先討論研究了灰色理論中的GM(1,1)預測模型,進而提出了一種改進的GM(1,1)預測模型�；谶@種改進的預測模型對于數(shù)據(jù)的缺值問題進行了優(yōu)化處理,并且將它與BP神經(jīng)網(wǎng)絡模型相結合,進行了神經(jīng)網(wǎng)絡學習算法的改進,一定程度上解決了網(wǎng)絡學習的過程中很容易陷入到局部的極小值點的缺點,使得神經(jīng)網(wǎng)絡在學習效率方面有了一定程度的提高。

【文章頁數(shù)】：51 頁

【學位級別】：碩士

【部分圖文】：

圖5.22000一2007年豬肉糧食比變動圖

圖5.22000一2007年豬肉糧食比變動圖.1.4準備數(shù)據(jù)這個步驟是我們建立模型之前的最后一步數(shù)據(jù)準備工作了。這個步驟一般可以以下4個部分:1.選擇變量2.選擇記錄3.創(chuàng)建新變量4.轉(zhuǎn)換變量.1.4.1選擇變量理想的情況下，我們可以使用所有的變量。把它們作為輸入變量全部傳入到神....

本文編號：3915352