BP 神经网络在数据挖掘中的应用摘要：随着信息技术的进展以及数据库管理系统的广泛应用，作为系统数据支撑的数据库，其存储的数据量急剧增大。运用数据挖掘技术，可以提取到这些海量的数据背后隐藏着的许多重要信息。但是，目前在大量非线性、多目标的复杂数据挖掘中仍存在一些问题。而神经网络在处理非线性、多目标数据方面有着较大优势。因此，本文将神经网络与数据挖掘相结合，阐述了 BP 神经网络在数据挖掘中应用的关键技术及实现方法。关键词：数据挖掘；BP 神经网络；分类1 数据挖掘技术1.1 数据挖掘的含义随着数据库技术及信息技术的不断进展，数据库管理系统在各个行业得到广泛应用。随之而来，数据库中存储的数据量急剧增长。在这些海量数据背后，隐藏着许多的重要信息，假如能把这些信息通过某种方式从数据库中抽取出来，将为数据的所有者制造出很多潜在利润和价值。这种从海量数据中挖掘提取出可能有潜在价值信息的技术，称之为数据挖掘（DataMining）。[1]1.2 数据挖掘的功能数据挖掘的目标是帮助决策者发现数据间潜在的关联、特征、趋势等可能有潜在价值的信息，从而做出前摄的、基于的决策。为企业带来利益或者为科学讨论寻求到突破口。其主要功能如有：（1）预测：数据挖掘可以在大型数据库中的海量数据中寻找预测性信息，把握分析对象进展的规律，对未来的进展趋势做出预见.（2）关联分析：数据关联是数据间存在的一类重要的可被发现的。关联分析的主要目的是找出数据库中隐藏的关联与关联网。（3）聚类：识别出分析对象数据内在的关联规则，根据这些规则把对象分成若干类。（4）分类：根据分析对象的属性及特征，建立不同的组类来描述事物。（5）偏差检测：在数据库的数据中，常有一些异常数据，从数据库中识别检测这些偏差很有意义。1.3 数据挖掘的处理过程数据挖掘的处理过程是一个迭代的人机交互过程，主要由以下部分组成：（1）问题定义：在数据挖掘开始之前，最重要的就是要理解数据所涉及领域内的业务问题，在此基础上对目标进较为行明确的定义。（2）数据准备：获得要挖掘的数据源，从其中确定用于数据挖掘的数据子集，从而建立数据挖掘库。对子集数据进行预处理，如检查数据完整性、数据一致性、过滤噪声，填补丢失域，删除无效数据等。（3）数据挖掘：依据数据挖掘的目的和数据的特征，选择或创建合适的模型及相应的算法，在经过预处理过的数据集上进行数据挖掘。（4）评价解释：对数据挖掘的结果进行专业解释和...
