神經(jīng)網(wǎng)絡(luò)及在網(wǎng)絡(luò)用戶行為分析中的應(yīng)用研究.pdf

1、隨著信息社會的飛速發(fā)展，人們面對的數(shù)據(jù)量越來越大，如何從海量信息中提取有效的數(shù)據(jù)，進(jìn)而為決策服務(wù)是亟待解決的問題，因此數(shù)據(jù)分析技術(shù)越來越重要，對數(shù)據(jù)分析技術(shù)的發(fā)展需求日益強烈。
　　神經(jīng)網(wǎng)絡(luò)是計算機學(xué)科的重要分支，神經(jīng)網(wǎng)絡(luò)方法被廣泛應(yīng)用于數(shù)據(jù)分析領(lǐng)域。數(shù)據(jù)分類作為一種重要的數(shù)據(jù)分析技術(shù)，有著非常廣泛的應(yīng)用需求，神經(jīng)網(wǎng)絡(luò)方法以其獨特的優(yōu)勢在分類技術(shù)領(lǐng)域發(fā)揮著重要作用。然而，神經(jīng)網(wǎng)絡(luò)方法的分類技術(shù)通常面臨著分類速度和分類準(zhǔn)確性的問題，

2、本文研究并改進(jìn)了部分神經(jīng)網(wǎng)絡(luò)方法，在一定程度上提高了數(shù)據(jù)分類速度和準(zhǔn)確性。文中應(yīng)用改進(jìn)的神經(jīng)網(wǎng)絡(luò)方法于網(wǎng)絡(luò)用戶行為分析這一新興的研究領(lǐng)域，提高了數(shù)據(jù)分析的效率和網(wǎng)絡(luò)用戶行為分析的準(zhǔn)確性。一方面，為從一個新的角度進(jìn)行網(wǎng)絡(luò)用戶行為分析建模提供了可靠的數(shù)據(jù)基礎(chǔ)，另一方面，驗證了改進(jìn)的神經(jīng)網(wǎng)絡(luò)方法的有效性。
　　本文主要研究內(nèi)容涉及支持向量機的改進(jìn)，神經(jīng)網(wǎng)絡(luò)的混沌控制，改進(jìn)的神經(jīng)網(wǎng)絡(luò)方法在網(wǎng)絡(luò)用戶行為數(shù)據(jù)分析中的應(yīng)用以及網(wǎng)絡(luò)用戶行為新模型

3、的建立。具體包括以下幾個方面：
　　(1)提出了改進(jìn)的支持向量機方法。序列最小優(yōu)化算法是支持向量機非常重要的分解方法，與二次型優(yōu)化技術(shù)相比在優(yōu)化時間、加快訓(xùn)練速度方面有了很大發(fā)展。序列最小優(yōu)化算法的關(guān)鍵是工作集的選擇問題，但傳統(tǒng)的算法中工作集的選擇存在啟發(fā)式和隨機性的缺點，有增加時間消耗甚至并不完全符合KKT條件的缺陷，將導(dǎo)致序列最小優(yōu)化算法執(zhí)行速度慢，進(jìn)而影響支持向量機的運行效率。針對以上問題，本文通過改寫KKT條件對序列最小優(yōu)

4、化算法工作集選擇方法進(jìn)行改進(jìn)，同時提出相應(yīng)的最小化步驟方法，并進(jìn)行了收斂性的理論證明。通過對工作集選擇方法的優(yōu)化，改進(jìn)了基于序列最小優(yōu)化算法的支持向量機方法，提高了支持向量機的運行效率。
　　(2)將穩(wěn)定轉(zhuǎn)換法應(yīng)用于神經(jīng)網(wǎng)絡(luò)的混沌控制。三種典型的神經(jīng)網(wǎng)絡(luò)：主成分神經(jīng)網(wǎng)絡(luò)，獨立成分神經(jīng)網(wǎng)絡(luò)，最小成分神經(jīng)網(wǎng)絡(luò)在一定區(qū)間內(nèi)會產(chǎn)生混沌現(xiàn)象，系統(tǒng)不穩(wěn)定不收斂，在實際分類問題的應(yīng)用中會導(dǎo)致數(shù)據(jù)分類與提取不準(zhǔn)確。本文將穩(wěn)定轉(zhuǎn)換法用于三種神經(jīng)網(wǎng)絡(luò)

5、混沌參數(shù)區(qū)間內(nèi)的混沌行為控制，消除混沌現(xiàn)象。實驗證明通過穩(wěn)定轉(zhuǎn)換法的應(yīng)用，在三種神經(jīng)網(wǎng)絡(luò)混沌區(qū)間內(nèi)，嵌入軌道中的不穩(wěn)定點獲得穩(wěn)定，動力學(xué)系統(tǒng)獲得了穩(wěn)定收斂解，能更好的符合實際問題的需要。同時，三種神經(jīng)網(wǎng)絡(luò)混沌對稱現(xiàn)象的內(nèi)在原因得到揭示。
　　(3)基于改進(jìn)的支持向量機和L.PCA神經(jīng)網(wǎng)絡(luò)方法，提出了一種新的網(wǎng)絡(luò)用戶行為分析模型。本文基于DNS數(shù)據(jù)建立了分析網(wǎng)絡(luò)用戶行為的新模型，應(yīng)用改進(jìn)的支持向量機方法和L.PCA神經(jīng)網(wǎng)絡(luò)方法提高了