一个好用的数据挖掘算法，有感兴趣的朋友常联系了。-a user-friendly data mining algorithms, often friends interested in the link.

落煤残存瓦斯量的确定是采掘工作面瓦斯涌出量预测的重要环节,它直接影响着采掘工作面瓦斯涌出量预测的精度,并与煤的变质程度、落煤粒度、原始瓦斯含量、暴露时间等影响因素呈非线性关系。人工神经网络具有表示任意非线性关系和学习的能力,是解决复杂非线性、不确定性和时变性问题的新思想和新方法。基于此,作者提出自适应神经网络的落煤残存瓦斯量预测模型,并结合不同矿井落煤残存瓦斯量的实际测定结果进行验证研究。结果表明,自适应调整权值的变步长BP神经网络模型预测精度高,收敛速度快 该预测模型的应用可为采掘工作面瓦斯涌

在2006年9月召开的ICDM会议上，邀请了ACM KDD创新大奖(InnovationAward)和 Top 10 Algorithms in Data Mining IEEEICDM研究贡献奖(Research Contributions Award)的获奖者们来参与数据挖掘10大算 法的选举，每人提名10种他认为最重要的算法-Classification，Statistical Learning，Top 10 Algorithms in Data Mining，material