BP神经网络在图书智能分布中的应用研究

论文摘要

一个图书馆的好坏关键取决于该馆图书利用率的高低。目前,提高图书利用率的问题已经越来越引起人们的广泛注意,为了解决该问题,目前已有很多文献从多方面提出了有价值的建议,如管理制度、读者需求、图书剔旧和图书分布等等。本学位论文就图书分布理论结合BP神经网络技术提出了智能化图书分布系统的设计方案,目的是利用该系统去实现图书智能地合理分布,使图书分布结构达到最优结果,从而提高图书的利用率。本学位论文对BP神经网络在图书智能分布问题中的应用进行了研究,主要内容是特征的量化过程和基于BP神经网络的分类学习结合k-fold交叉验证的算法。首先,根据问题的需要选择了一定的图书数据,按照特征提取的一般性原则对这些数据进行了特征提取,并对这些特征进行了量化处理、归一化处理和数据预处理,将被量化的特征转换成供神经网络训练和分类的输入数据。其次,设计了单隐层的三层BP神经网络模型,并提出“重建网络,重新学习”的策略,采用这种策略不但可以确定最佳隐单元节点的个数,还可以确定最佳神经网络。最后,结合本课题的研究内容和神经网络模型,提出了采用将数据进行分类学习并创建神经网络的思路,给出了基于BP神经网络的分类学习算法,并通过k-fold交叉验证的方法验证了所提出算法的合理性、可靠性和有效性。实验结果表明,本系统较好地解决了图书智能分布问题,从应用角度进一步验证了在解决模式识别领域问题时,神经网络技术与理论的优势,并为图书馆的智能化管理进行了有益的技术性探索。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究的目的和意义
• 1.2 国内外研究现状
• 1.2.1 图书智能分布研究现状
• 1.2.2 目前研究中存在的问题
• 1.3 主要研究内容
• 1.4 全文安排
• 第2章 神经网络理论与应用
• 2.1 引言
• 2.2 神经网络概述
• 2.2.1 神经网络的发展历史及展望
• 2.2.2 神经元模型
• 2.2.3 神经网络的特征与分类
• 2.2.4 神经网络的的学习与优点
• 2.2.5 神经网络的应用
• 2.3 BP神经网络原理及性能
• 2.3.1 传统 BP神经网算法原理
• 2.3.2 BP算法的步骤
• 2.3.3 BP神经网络的优点
• 2.3.4 BP神经网络的局限性
• 2.3.5 BP神经网络的改进
• 2.4 本章小结
• 第3章 基于BP神经网络的智能化图书分布系统
• 3.1 引言
• 3.2 特征提取及量化
• 3.2.1 样本数据的选择
• 3.2.2 特征选择
• 3.2.3 特征的量化
• 3.3 预处理
• 3.4 BP神经网络模型的建立
• 3.5 算法的描述
• 3.6 本章小结
• 第4章 系统仿真实验及分析
• 4.1 引言
• 4.2 BP神经网络的训练
• 4.3 BP神经网络的验证实验
• 4.4 最终BP神经网络的确定
• 4.5 模型与算法分析
• 4.6 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文
• 致谢