基于感知器的数据挖掘分类方法

摘要：

数据挖掘是数据库研究、开发和应用最活跃的分支之一.分类(Classification)是一类重要的数据挖掘问题,它是一个从现有的带有类别的数据集中寻找同一类别数据的共同特性,并以此将它们进行区分的过程,它可以用于提取描述重要数据类的模型和预测未来的数据趋势.分类的方法主要有决策树,神经网络,粗糙集,遗传算法,贝叶斯分类等.本文研究BBP模型和基于感知器的数据挖掘分类方法。

关键词： 感知器 数据挖掘 分类 数据库 人工神经网络 粗糙集

作者: 张中芬 贾泂

作者单位: 浙江师范大学数理与信息工程学院,金华,321004

会议类型: 国内会议

会议名称: 第六届中国Rough集与软计算学术研讨会(CRSSC”2006)

会议地点: 浙江金华

会议语种:中文

页码: 146-148

在线出版日期: 2006-10-30（万方平台首次上网日期，不代表论文的发表时间）