導(dǎo)語：數(shù)據(jù)挖掘機械學(xué)習(xí)算法探討一文來源于網(wǎng)友上傳，不代表本站觀點，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

摘要:隨著我國經(jīng)濟技術(shù)的不斷發(fā)展,信息技術(shù)水平也在不斷的提升,計算機技術(shù)的廣泛應(yīng)用,對社會的各個領(lǐng)域都有著影響。信息系統(tǒng)在現(xiàn)在社會中也有著廣泛的應(yīng)用,在傳統(tǒng)的數(shù)據(jù)分析以及統(tǒng)計技術(shù)的基礎(chǔ)上有了一定的創(chuàng)新,現(xiàn)在社會在不斷的進步,對大規(guī)模數(shù)據(jù)的研究力度應(yīng)該加強,不斷的挖掘出一些有用的知識,然后使挖掘技術(shù)不斷的完善。機械學(xué)習(xí)算法有利于解決數(shù)據(jù)挖掘問題。機械學(xué)習(xí)可以進行自我完善,在這個過程中,計算機會逐漸的積累經(jīng)驗,從而提高自身的性能,機械學(xué)習(xí)的能力雖然沒有人類大腦學(xué)習(xí)能力強,但是隨著不斷的創(chuàng)新,使計算機具備了從大量數(shù)據(jù)中提取特征、發(fā)現(xiàn)隱含規(guī)律的能力。也正是因為這樣,數(shù)據(jù)挖掘中的機械學(xué)習(xí)算法也被廣泛的運用。

關(guān)鍵詞:數(shù)據(jù)挖掘；機械學(xué)習(xí)；學(xué)習(xí)算法；應(yīng)用探討

信息管理技術(shù)在各大企業(yè)中數(shù)據(jù)管理技術(shù)也被廣泛利用,數(shù)據(jù)管理技術(shù)的廣泛運用有利于企業(yè)內(nèi)部職能部門之間的溝通聯(lián)絡(luò)。但是在使用的過程中還是有些不足之處,數(shù)據(jù)信息越來越多,這就會使數(shù)據(jù)分析具有一定的復(fù)雜性。

1完善GA-BP神經(jīng)網(wǎng)絡(luò)模型

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)的這種神經(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行了相關(guān)的優(yōu)化,然后在進行BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)改進的時候,采用了自適應(yīng)交叉和變異概率,下面就對改進的過程進行了簡要的分析說明。(1)設(shè)計染色體結(jié)構(gòu)?？刂苹蚝蛥?shù)基因是上文所描述的新型染色體基因結(jié)構(gòu)的兩個表現(xiàn)形式,這種神經(jīng)網(wǎng)絡(luò)模型對傳統(tǒng)的遺傳算法的染色體結(jié)構(gòu)和遺傳算子進行了優(yōu)化,從而對對BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)進行改進?？刂苹?qū)P神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)的改進主要是對BP神經(jīng)網(wǎng)絡(luò)的隱含層節(jié)點數(shù)優(yōu)化。另一種結(jié)構(gòu)參數(shù)基因?qū)P神經(jīng)網(wǎng)絡(luò)的連接權(quán)值和閾值進行優(yōu)化[2]。(2)對適應(yīng)度函數(shù)進行設(shè)計,具體過程如下:在上述函數(shù)中,訓(xùn)練樣本個數(shù)用n表示;訓(xùn)練數(shù)據(jù)的均方根誤差用∫rmse表示,誤差一般在0～1之間。(3)選擇算子。從提出的被改進的遺傳算法上來看,在進行型遺傳優(yōu)化BP神經(jīng)網(wǎng)絡(luò)算法在實現(xiàn)算子選取改進以常規(guī)適應(yīng)值比例算法的時候經(jīng)常采用最優(yōu)個體保留方法,這樣做會引發(fā)局部最小值等問題。(4)交叉、變異算子。采用單點交叉和基本變異算子是上文中提出的控制基因是改進型遺傳優(yōu)化BP神經(jīng)網(wǎng)絡(luò)算法的上層所采用的。下層參數(shù)基因所采用的是整體算數(shù)交叉和非一致變異算子。(5)自適應(yīng)交叉、變異概率。上文中提出的改進型遺傳優(yōu)化BP神經(jīng)網(wǎng)絡(luò)算法的方式,在進行優(yōu)化的時候可以對設(shè)計自適應(yīng)交叉、變異概率,以此對遺傳優(yōu)化BP神經(jīng)網(wǎng)絡(luò)神經(jīng)算法的機構(gòu)和初始權(quán)重進行平衡優(yōu)化。對設(shè)計分析的簡要過如下,自適應(yīng)交叉概率可以表示為∫avr表示種群的平均適應(yīng)值,∫min表示種群的最小適應(yīng)值,k1,k2通常在1.0上。上文中提出的改進型遺傳優(yōu)化BP神經(jīng)網(wǎng)絡(luò)算法的過程的主要幾個步驟可以分為以下幾點:(1)對相關(guān)的數(shù)據(jù)進行及時的統(tǒng)一優(yōu)化處理。訓(xùn)練樣本數(shù)據(jù)和測試樣本數(shù)據(jù)是數(shù)據(jù)優(yōu)化處理之后可分為的種類。(2)在對改進型遺傳算法模型的基本參數(shù)進行設(shè)計的時候,可以用G來表示最大化代數(shù),在設(shè)定的時候要考慮隱含層節(jié)點數(shù)對種群的規(guī)模N的有關(guān)規(guī)定。(3)在對種群上層個體進行優(yōu)化的時候采用采用二進制編碼,種群下層種群個體進行優(yōu)化采用實數(shù)編碼。(4)在確定BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)的時候,可以采用對種群各個個體解碼的形式進行。(5)對種群中適很好的個體,采用遺傳操作的形式。(6)獲得新的子群,可以對種群中的遺傳個體使用自適應(yīng)概率進行交叉、變異操作。(7)對BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)隱含層節(jié)點、權(quán)值以及閾值等結(jié)構(gòu)參數(shù)進行優(yōu)化改進,進行不斷的創(chuàng)新的過程就是對上下層的子群個體解碼的優(yōu)化。(8)進行(5)循環(huán)的要求有兩個,就是在迭代步數(shù)達到了設(shè)定的最大值執(zhí)行(5)循環(huán),在最大個體適應(yīng)度值滿足要求的時候,也要進行(5)循環(huán)過程。(9)在確定最佳的BP神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點數(shù)、閾值和連接權(quán)值等參數(shù)的時候,采用對適應(yīng)值最佳的個體進行解碼的形式。

2機械學(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)化過程進行簡要分析,下文所采用的實例是煤礦空壓機的故障診斷系統(tǒng),然后對改進型遺傳優(yōu)化BP神經(jīng)網(wǎng)絡(luò)算法進行有效的探索研究。(1)首先應(yīng)該做好相應(yīng)的準(zhǔn)備工作,閱讀相關(guān)的空壓機的說明書,例如使用說明書和故障說明書等。在使用空壓機的時候,還應(yīng)該對使用過程中的經(jīng)驗進行積累,在使用結(jié)束后再對相關(guān)經(jīng)驗進行分析總結(jié),空壓機的故障類型以及故障是怎么來的,在進行數(shù)據(jù)整理的時候都要進行分析研究,及時的發(fā)現(xiàn)問題所在。煤礦空壓機的故障診斷系統(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。Y1-Y5所表示的內(nèi)容如下:Y1表示煤礦空壓機正常的工作狀態(tài);Y2表示煤礦空壓機冷卻水系統(tǒng)出現(xiàn)故障的工作狀態(tài);Y3表示煤礦空壓機潤滑體統(tǒng)出現(xiàn)故障的工作狀態(tài);Y4表示煤礦空壓機軸承出現(xiàn)故障的工作狀態(tài);Y5表示煤礦空壓機電路系統(tǒng)出現(xiàn)故障的工作狀態(tài)。如果出現(xiàn)以上故障,根據(jù)相關(guān)的經(jīng)驗以及故障的了解,故障的表現(xiàn)形式可以分為10種,用符號X1-X10表示,即為神經(jīng)網(wǎng)絡(luò)故障診斷模型的輸入。X1-X10分別表示:X1表示煤礦空壓機排氣量過低;X2表示空壓機排氣壓力不足;X3表示空壓機排氣溫度超限;X4表示空壓機冷卻水溫度超限;X5表示空壓機冷卻水壓力不足;X6表示空壓機主機轉(zhuǎn)速低限;X7表示空壓機振動超限;X8表示空壓機潤滑系統(tǒng)油溫超限;X9表示空壓機潤滑油壓力不足;X10表示軸承溫度超限。(2)空壓機經(jīng)過數(shù)據(jù)挖掘之后的故障診斷分析。通過對空壓機可能出現(xiàn)的故障進行分析,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故障針對系統(tǒng),在進行網(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。通過相應(yīng)的實驗可以看出,在經(jīng)過569次迭代后改進型GA-BP神經(jīng)網(wǎng)絡(luò)算法就使得誤差達到了設(shè)定范圍內(nèi),但是如果采用傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)算法就沒有那么好的效果,只有在進行2779次迭代才使得誤差滿足要求。由此可以看出,優(yōu)化改進后的BP神經(jīng)網(wǎng)絡(luò)算法在各個方面上都有很好的效果,特別是網(wǎng)絡(luò)的訓(xùn)練速度、收斂速度和收斂精度方面。改進型GA-BP神經(jīng)網(wǎng)絡(luò)算法在個方面都有比傳統(tǒng)的算法要好。為了能夠更加明顯的看出效果,下面采用100組數(shù)據(jù)進行研究分析。從測試的結(jié)果可以看出,87.5%是傳統(tǒng)的P神經(jīng)網(wǎng)絡(luò)的診斷正確率,診斷時間為564s,輸出值存在一定的不穩(wěn)定性,而上文中所提到的優(yōu)化改進后的GA-BP神經(jīng)網(wǎng)絡(luò)的診斷正確率為98.2%,診斷時間為246s,輸出值相對穩(wěn)定,從這數(shù)據(jù)可以看出,改進后的效果明顯比傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)算法要好的多。改進后的BP神經(jīng)網(wǎng)絡(luò)算法的錯誤率比較低,檢測的準(zhǔn)確率和速度都有提高,工作性能也有所提高。

3結(jié)語

在社會的不斷發(fā)展進步的過程中,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行了相關(guān)的優(yōu)化,然后在進行BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)改進的時候,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。

作者:馮琬婷 單位:遼寧省大連市遼寧師范大學(xué)

參考文獻

[1]李運.機器學(xué)習(xí)算法在數(shù)據(jù)挖掘中的應(yīng)用[D].北京郵電大學(xué),2015.

[2]胡秀.基于Web的數(shù)據(jù)挖掘技術(shù)研究[J].軟件導(dǎo)刊,2015(1):149-150.