數(shù)據(jù)挖掘中的機(jī)械學(xué)習(xí)算法的應(yīng)用探討

丁慶偉

摘要：早當(dāng)今時代背景下，我國經(jīng)濟(jì)已經(jīng)得到顯著的發(fā)展，信息技術(shù)水平也得到明顯的進(jìn)步，這也就代表著計算機(jī)技術(shù)已經(jīng)被社會廣泛的應(yīng)用并且已經(jīng)影響到社會的每個領(lǐng)域。在我國社會各個領(lǐng)域中都離不開信息系統(tǒng)，在信息技術(shù)廣泛應(yīng)用的背景下我國傳統(tǒng)的數(shù)據(jù)分析和統(tǒng)計技術(shù)也有了很大的進(jìn)步和創(chuàng)新，隨著社會的不斷進(jìn)步，我們必須要對挖掘技術(shù)不斷的革新。其中機(jī)械學(xué)習(xí)算法就是很有效的一種方式，它能夠?qū)?shù)據(jù)挖掘中的漏洞很好的補(bǔ)上。我們在進(jìn)行機(jī)械學(xué)習(xí)的過程中，要學(xué)會借助計算機(jī)來不斷完善自己的技能，通過提高技能來提升機(jī)械的性能。機(jī)械學(xué)習(xí)是一個自我完善的過程，其在很多方面都沒有人類大腦強(qiáng)，但是它能夠在完善過程中不斷積累經(jīng)驗來提高自身的性能。再加上其是建立在計算機(jī)基礎(chǔ)上的，具備較強(qiáng)的數(shù)據(jù)整理能力，因此，數(shù)據(jù)挖掘中的機(jī)械學(xué)習(xí)算法目前已經(jīng)得到廣泛的應(yīng)用。

關(guān)鍵詞：數(shù)據(jù)挖掘;機(jī)械學(xué)習(xí);算法;應(yīng)用

目前，我國各大企業(yè)的數(shù)據(jù)管理技術(shù)都離不開計算機(jī)管理，其已經(jīng)得到廣泛的應(yīng)用。在計算機(jī)作用下的計算機(jī)管理技術(shù)是企業(yè)中部門與部門之間聯(lián)絡(luò)和交流的主要途徑。然而，數(shù)據(jù)管理技術(shù)在使用過程中還存在很多的題，其主要原因就是數(shù)據(jù)的不斷增加使得其分析能力受到一定的限制。

一、完善GABP神經(jīng)網(wǎng)絡(luò)模型

筆者在傳統(tǒng)機(jī)械算法的基礎(chǔ)上來對機(jī)械學(xué)習(xí)算法方式和途徑進(jìn)行分析，目前已經(jīng)發(fā)明出一種新的形式，也就是GA-BP神經(jīng)網(wǎng)絡(luò)模型。這種神經(jīng)網(wǎng)絡(luò)模型主要是在傳統(tǒng)機(jī)械算法的基礎(chǔ)上對其進(jìn)行全面的優(yōu)化和創(chuàng)新，在對GA-BP神經(jīng)網(wǎng)絡(luò)中的各個性能進(jìn)行優(yōu)化的過程中主要采取的方式是自適應(yīng)變又和變異概率。下面筆者對這一過程進(jìn)行逐條分析介紹。

1.設(shè)計染色體結(jié)構(gòu)

通過前文的闡述我們能夠李教導(dǎo)新型染色體的基因結(jié)構(gòu)主要分為兩種，也就是控制基因和參數(shù)基因，這兩種形式是缺一不可的，其關(guān)系到對GABP神經(jīng)網(wǎng)絡(luò)模型能否實現(xiàn)最佳的優(yōu)化。GA-BP神經(jīng)網(wǎng)絡(luò)模型在很大程度上對傳統(tǒng)模型的兩種形式進(jìn)行優(yōu)化和創(chuàng)新，最終使得GA-BP神經(jīng)網(wǎng)絡(luò)參數(shù)更為的穩(wěn)定。控制基因形式的主要表現(xiàn)就是對GABP神經(jīng)網(wǎng)絡(luò)模型中的隱性節(jié)點進(jìn)行優(yōu)化和改良。而參數(shù)基因主要表現(xiàn)形式和作用就是對GABP神經(jīng)網(wǎng)絡(luò)內(nèi)部鏈接所需的標(biāo)準(zhǔn)值進(jìn)行控制和優(yōu)化。

2.對適應(yīng)度函數(shù)進(jìn)行設(shè)計

根據(jù)以上的闡述我們能建立函數(shù)規(guī)律。也就是將訓(xùn)練樣本設(shè)定為n個，而訓(xùn)練數(shù)據(jù)內(nèi)部所存在的各方面誤差用r表示，其誤差鏡應(yīng)該控制在0-1之間。

3.選擇算子

自從遺傳算法正式實施改進(jìn)和創(chuàng)新之后，GA-BP神經(jīng)網(wǎng)絡(luò)模型其網(wǎng)絡(luò)算法主要以常規(guī)算法為主，在此進(jìn)出上再設(shè)計最佳的保留數(shù)據(jù)法，通過這種方式來降低計算過程中出現(xiàn)的各種誤差。

4.交又、變異算子

單點交又和基本變異算子搜是本文所重點要闡述的計算方式，也是傳統(tǒng)優(yōu)化GABP神經(jīng)網(wǎng)絡(luò)過程中所采取的重要網(wǎng)絡(luò)算法，這種網(wǎng)絡(luò)算法主要是將遺傳基因算法進(jìn)行改進(jìn)和優(yōu)化。

二、機(jī)械學(xué)習(xí)算法實例

下面就舉出有關(guān)的例子對上文所提出的優(yōu)化過程進(jìn)行簡要分析，下文所采用的實例是煤礦空壓機(jī)的故障診斷系統(tǒng)，然后対改進(jìn)型遺傳優(yōu)化BP神經(jīng)網(wǎng)絡(luò)算法進(jìn)行有效的探索研究。

1.首先應(yīng)該做好相應(yīng)的準(zhǔn)備工作，閱讀相關(guān)的空壓機(jī)的說明書，例如使用說明書和故障說明書等。在使用空壓機(jī)的時候，還應(yīng)該對使用過程中的經(jīng)驗進(jìn)行積累，在使用結(jié)東后再對相關(guān)經(jīng)驗進(jìn)行分析總結(jié)，空壓機(jī)的故障類型以及故障是怎么來的，在進(jìn)行數(shù)據(jù)整理的時候都要進(jìn)行分析研究，及時的發(fā)現(xiàn)問題所在。煤礦空壓機(jī)的故障診斷系統(tǒng)就是本文所采用的實例。通過相應(yīng)的實驗數(shù)據(jù)分析，煤礦空壓機(jī)呈現(xiàn)出5種工作狀態(tài)，用符號Y1-Y5表示，以此作為神經(jīng)網(wǎng)絡(luò)故障診斷模型的輸出。機(jī)潤滑油壓力不足;X10表示軸承溫度超限。

2.空壓機(jī)經(jīng)過數(shù)據(jù)挖掘之后的故障診斷分析。通過對空壓機(jī)可能出現(xiàn)的故障進(jìn)行分析，為了看出新的神經(jīng)網(wǎng)絡(luò)的良好的性能，采用傳統(tǒng)的遺傳神經(jīng)網(wǎng)絡(luò)算法建立了煤礦空壓機(jī)故障針對系統(tǒng)，在進(jìn)行網(wǎng)絡(luò)訓(xùn)練的時候應(yīng)該采用相同的訓(xùn)練數(shù)據(jù)樣本，在測試的時候也應(yīng)該采用相同的測試數(shù)據(jù)樣本。

三、結(jié)語

在社會的不斷發(fā)展進(jìn)步的過程中，數(shù)據(jù)挖掘技術(shù)也在不斷的創(chuàng)新，在社會中的運用也越來越廣泛，發(fā)展速度也越來越快。本文就在傳統(tǒng)的遺傳算法的基礎(chǔ)上提出了一種新的改進(jìn)型遺傳優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型。這種神經(jīng)網(wǎng)絡(luò)模型對傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型在遺傳算法的染色體結(jié)構(gòu)和遺傳算子兩個方面進(jìn)行了相關(guān)的優(yōu)化，然后在進(jìn)行BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)改進(jìn)的時候，采用了自適應(yīng)交叉和變異概率，這樣有利于各種數(shù)據(jù)的處理。

參考文獻(xiàn)：

[1] 郝艷妮. 基于機(jī)器學(xué)習(xí)的數(shù)據(jù)挖掘算法在葡萄酒信息數(shù)據(jù)分析系統(tǒng)中的研究[J]. 計算機(jī)科學(xué)， 2016（S1）：501-504.

[2] 佚名. 大數(shù)據(jù)環(huán)境下機(jī)器學(xué)習(xí)在數(shù)據(jù)挖掘中的應(yīng)用研究[J]. 智庫時代， 2018， 147（31）：264-265.

[3] 張紹成， 孫時光， 曲洋，等. 大數(shù)據(jù)環(huán)境下機(jī)器學(xué)習(xí)在數(shù)據(jù)挖掘中的應(yīng)用研究[J]. 遼寧大學(xué)學(xué)報（自然科學(xué)版）， 2017， 44（1）：15-17.

[4] 孫雪松， 王曉麗. 數(shù)據(jù)挖掘常用算法及其在醫(yī)學(xué)大數(shù)據(jù)研究中的應(yīng)用[J]. 中國數(shù)字醫(yī)學(xué)， 2018， 13（3）.