摘 要：在弱關(guān)聯(lián)冗余環(huán)境下，開展的挖掘算法應(yīng)用需要考慮關(guān)聯(lián)屬性，本文主要從模糊神經(jīng)元網(wǎng)絡(luò)學(xué)習(xí)算法與弱關(guān)聯(lián)規(guī)則模型，建立兩方面內(nèi)容展開探討，整理出算法應(yīng)用所產(chǎn)生的數(shù)據(jù)信息，對(duì)大數(shù)據(jù)環(huán)境挖掘算法進(jìn)行深入研究，為網(wǎng)絡(luò)環(huán)境性信息處理任務(wù)的高效開展，建立一個(gè)穩(wěn)定基礎(chǔ)環(huán)境。

關(guān)鍵詞：弱關(guān)聯(lián)；冗余環(huán)境；挖掘算法

中圖分類號(hào)： TP3-0 文獻(xiàn)標(biāo)識(shí)碼：A

Abstract：In the week correlation redundant environment，the correlation attributes need to be taken into consideration in the application of mining algorithm.On the basis of the fuzzy neural network learning algorithm and the weak correlation rule model，the paper discusses the two aspects，sorts out the data generated through the algorithm，further studies the mining algorithm of big data environmental information，and establishes a stable fundamental environment in order to efficient process the network environment information.

Keywords：weak correlation；redundant environment；mining algorithm

1 引言（Introduction）

本文主要從模糊神經(jīng)元網(wǎng)絡(luò)學(xué)習(xí)算法與弱關(guān)聯(lián)規(guī)則模型建立兩方面內(nèi)容展開探討，整理出算法應(yīng)用所產(chǎn)生的數(shù)據(jù)信息，對(duì)大數(shù)據(jù)環(huán)境挖掘算法進(jìn)行深入研究，為網(wǎng)絡(luò)環(huán)境性信息處理任務(wù)高效開展建立一個(gè)穩(wěn)定基礎(chǔ)環(huán)境。本文提出了一種基于弱聚類算法的云計(jì)算環(huán)境下海量數(shù)據(jù)中弱關(guān)聯(lián)挖掘方法，針對(duì)弱關(guān)聯(lián)冗余環(huán)境進(jìn)行，通過(guò)數(shù)據(jù)的描述特征對(duì)數(shù)據(jù)特征進(jìn)行分解，依據(jù)數(shù)據(jù)特征，對(duì)全部數(shù)據(jù)進(jìn)行融合?；陉P(guān)聯(lián)決策概率將云計(jì)算環(huán)境下海量數(shù)據(jù)進(jìn)行有效劃分，完成所有數(shù)據(jù)特征關(guān)聯(lián)概率的計(jì)算，通過(guò)弱聚類方法對(duì)屬性元素進(jìn)行分類，將數(shù)量型元素轉(zhuǎn)換成類別型，通過(guò)弱化關(guān)聯(lián)規(guī)則方法，對(duì)經(jīng)聚類處理后的數(shù)據(jù)進(jìn)行挖掘。

2 弱關(guān)聯(lián)冗余環(huán)境下的挖掘算法綜述（Summarize

on mining algorithm in weak correlation

redundant environment）

2.1 模糊學(xué)習(xí)算法

模糊神經(jīng)學(xué)習(xí)算法是當(dāng)前數(shù)據(jù)挖掘的主流技術(shù)，采用弱關(guān)聯(lián)思想設(shè)計(jì)原則中，系統(tǒng)之間關(guān)聯(lián)會(huì)盡可能減少，模擬學(xué)習(xí)算法應(yīng)用后系統(tǒng)運(yùn)算速度提升有明顯幫助。弱關(guān)聯(lián)環(huán)境下對(duì)信息數(shù)據(jù)處理使用效率都有極高的要求，如果不能解決所遇到的問(wèn)題，在建立系統(tǒng)管理控制環(huán)境期間，應(yīng)用模糊數(shù)據(jù)運(yùn)算分析學(xué)習(xí)方法，能夠幫助節(jié)省大量數(shù)據(jù)運(yùn)算所用時(shí)間，并在最終的控制計(jì)劃山模糊學(xué)習(xí)算法中模擬神經(jīng)元原理，能夠根據(jù)弱關(guān)聯(lián)環(huán)境下的系統(tǒng)聯(lián)系選擇運(yùn)輸，基于云計(jì)算環(huán)境下不斷學(xué)習(xí)數(shù)據(jù)更新，達(dá)到記憶效果。模糊學(xué)習(xí)運(yùn)算能夠?qū)崿F(xiàn)同步數(shù)據(jù)挖掘，減少數(shù)據(jù)分析中不必要的時(shí)間。建立在弱關(guān)聯(lián)環(huán)境中的各項(xiàng)學(xué)習(xí)控制計(jì)劃中，通過(guò)分析運(yùn)算控制方法，最終問(wèn)題解決能力也不會(huì)因此受到影響。模糊學(xué)習(xí)算法是針對(duì)系統(tǒng)運(yùn)行中控制能力提升進(jìn)行的，弱關(guān)聯(lián)冗余系統(tǒng)部分在控制運(yùn)算中通過(guò)學(xué)習(xí)算法可以將不必要的部分選擇刪除，節(jié)省挖掘算法運(yùn)行所用時(shí)間。模糊學(xué)習(xí)算法中會(huì)涉及隱藏?cái)?shù)據(jù)，模擬神經(jīng)元來(lái)快速判斷這部分信息[1]。

2.2 挖掘算法中的決策樹算法

應(yīng)用該種算法，需要選擇屬性用信息增益變化數(shù)據(jù)子集，建立符合運(yùn)行模式的信息獲取環(huán)境，從而實(shí)現(xiàn)對(duì)信息傳輸數(shù)據(jù)決策范圍判斷，也就是熵的變化值，而C4.5用的是信息增益率，也就是多了個(gè)率嘛。一般來(lái)說(shuō)，率就是用來(lái)取平衡用的，就像方差起的作用差不多，比如有兩個(gè)跑步的人，一個(gè)起點(diǎn)是100m/s的人、其1s后為110m/s；另一個(gè)人起速是1m/s、其1s后為11m/s。在這里，其克服了用信息增益選擇屬性時(shí)偏向選擇取值多的屬性的不足。在樹構(gòu)造過(guò)程中進(jìn)行剪枝，我在構(gòu)造決策樹的時(shí)候好討厭那些掛著幾個(gè)元素的節(jié)點(diǎn)。對(duì)于這種節(jié)點(diǎn)，干脆不考慮最好，不然很容易導(dǎo)致overfitting。對(duì)非離散數(shù)據(jù)都能處理，這個(gè)其實(shí)就是一個(gè)個(gè)式，看對(duì)于連續(xù)型的值在哪里分裂好。也就是把連續(xù)性的數(shù)據(jù)轉(zhuǎn)化為離散的值進(jìn)行處理。能夠?qū)Σ煌暾麛?shù)據(jù)進(jìn)行處理，這個(gè)重要也重要，其實(shí)也沒那么重要，缺失數(shù)據(jù)采用一些方法補(bǔ)上去就是了。

2.3 基于模糊神經(jīng)網(wǎng)絡(luò)的弱關(guān)聯(lián)挖掘方法

（1）數(shù)據(jù)選擇

基于云計(jì)算網(wǎng)絡(luò)環(huán)境下自主選擇數(shù)據(jù)，觀察數(shù)據(jù)信息是否與弱關(guān)聯(lián)挖掘算法保持一致。數(shù)據(jù)選擇不僅考慮所處環(huán)境，更要從多個(gè)角度展開研究，觀察是否存在可能影響信息結(jié)果使用效率的干擾因素。建立在安全環(huán)境下的數(shù)據(jù)選擇與數(shù)據(jù)控制之間存在聯(lián)系體系，明確這一聯(lián)系體系也是開展后續(xù)挖掘任務(wù)中所必須要達(dá)到的，只有達(dá)到這一效果在信息傳輸中才不會(huì)受到影響。數(shù)據(jù)運(yùn)行環(huán)境中所存在的各項(xiàng)控制問(wèn)題中，數(shù)據(jù)選擇也是一個(gè)良好篩選過(guò)程，通過(guò)建立相互聯(lián)系來(lái)促進(jìn)最終的數(shù)據(jù)結(jié)果穩(wěn)定性程度與實(shí)際使用需求保持一致。數(shù)據(jù)選擇是接下來(lái)運(yùn)算任務(wù)開展的第一個(gè)基礎(chǔ)步驟，確保數(shù)據(jù)準(zhǔn)確程度進(jìn)入到下一階段的挖掘計(jì)算，數(shù)據(jù)挖掘需要結(jié)合計(jì)算機(jī)控制系統(tǒng)進(jìn)行，選取不同風(fēng)險(xiǎn)環(huán)境下的典型參數(shù)作為接下來(lái)的運(yùn)算依據(jù)，弱關(guān)聯(lián)挖掘得到的結(jié)果才能準(zhǔn)確反映真實(shí)情況。

（2）數(shù)據(jù)預(yù)處理endprint

將所選擇的數(shù)據(jù)初步處理后建立起數(shù)據(jù)庫(kù)，將數(shù)據(jù)庫(kù)參與到挖掘算法中，幫助節(jié)省時(shí)間，同時(shí)促進(jìn)管理效率不斷提升完善。數(shù)據(jù)處理與使用需求在功能方向上保持一致，功能確定后對(duì)信息的處理也能觀察到其中是否存在影響功能進(jìn)行的因素，風(fēng)險(xiǎn)信息參數(shù)在預(yù)處理模式下便得到解決，接下來(lái)開展各項(xiàng)控制管理計(jì)劃也能得到充分幫助。數(shù)據(jù)挖掘處理要建立在多個(gè)控制模式下，發(fā)現(xiàn)影響功能正常進(jìn)行的因素后，配合控制解決措施開展挖掘。預(yù)處理屬于模糊處理，數(shù)據(jù)庫(kù)系統(tǒng)中可能還會(huì)存在一些多余信息，在接下來(lái)的處理中會(huì)繼續(xù)篩選，直到信息全部為關(guān)聯(lián)部分。預(yù)處理中信息干擾要排除，并通過(guò)數(shù)據(jù)庫(kù)建立來(lái)提升系統(tǒng)的使用安全性，降噪、平滑處理后所得到的信息才能繼續(xù)存入到數(shù)據(jù)庫(kù)系統(tǒng)中，為信息使用打下安全基礎(chǔ)[2]。

（3）塑造訓(xùn)練數(shù)據(jù)

訓(xùn)練數(shù)據(jù)塑造需要結(jié)合信息集合進(jìn)行，將原信息特征與預(yù)處理后的信息特征進(jìn)行比較，具有相同點(diǎn)的部分劃分為特征集合中，用{A1，A2，…，Am}表示。集合塑造完成后對(duì)信息進(jìn)行塑造訓(xùn)練，用具體的數(shù)值表現(xiàn)出特征屬性值域范圍。對(duì)于可能會(huì)產(chǎn)生的值域使用安全問(wèn)題，建立出長(zhǎng)期運(yùn)行控制模塊，用C表示集合，根據(jù)數(shù)據(jù)塑造挖掘算法來(lái)進(jìn)行劃分，共分為C1，C2，…，Cn，將數(shù)據(jù)引入到塑造訓(xùn)練模塊中，進(jìn)行綜合性描述分析，從而實(shí)現(xiàn)對(duì)數(shù)據(jù)運(yùn)行使用效果的觀察作用，根據(jù)假設(shè)的數(shù)據(jù)集合來(lái)建立一個(gè)m+1元組訓(xùn)練集合目標(biāo)，塑造描述為（a1，a2，…，am，Ci），根據(jù)挖掘算法描述公式可以知aj∈val（Aj）（1≤j≤n）； Ci∈C（1≤i≤n）?？梢詫⒉煌枨蟓h(huán)境下的數(shù)據(jù)進(jìn)行劃分，得出檢測(cè)對(duì)照組與數(shù)據(jù)訓(xùn)練組，兩組數(shù)據(jù)之間結(jié)合對(duì)比，所得到的結(jié)果能夠準(zhǔn)確反映出數(shù)據(jù)庫(kù)運(yùn)行環(huán)境，并為所開展的各項(xiàng)數(shù)據(jù)體系建立同等穩(wěn)定運(yùn)行環(huán)境。

3 弱關(guān)聯(lián)挖掘算法環(huán)境下冗余數(shù)據(jù)的產(chǎn)生（The

generation of redundant data in the environment

of weak correlation mining algorithm）

基于云計(jì)算模擬下，信息獲取渠道變得更加豐富，信息獲取數(shù)量增多后，同時(shí)也產(chǎn)生了大量冗余信息，對(duì)于這部分信息如果不能合理計(jì)算，接下來(lái)的控制計(jì)劃也會(huì)因此受到影響。由此可見，冗余數(shù)據(jù)產(chǎn)生與數(shù)據(jù)挖掘環(huán)境有直接關(guān)系，風(fēng)險(xiǎn)評(píng)估系統(tǒng)的篩選甄別能力也是造成這一隱患問(wèn)題的具體原因，在當(dāng)前模式下，如果不能合理控制隱患因素，云計(jì)算技術(shù)應(yīng)用效率會(huì)因此受到影響，冗余數(shù)據(jù)還會(huì)造成系統(tǒng)錯(cuò)誤識(shí)別，導(dǎo)致弱關(guān)聯(lián)挖掘不能正常進(jìn)行。冗余數(shù)據(jù)產(chǎn)生會(huì)對(duì)常規(guī)狀態(tài)下的信息傳輸造成不良影響，導(dǎo)致最終的控制能力出現(xiàn)問(wèn)題，建立一個(gè)解決控制方案，對(duì)冗余數(shù)據(jù)進(jìn)行劃分隔離來(lái)保障有用信息的正常傳輸，也是解決當(dāng)前問(wèn)題有效措施。研究解決控制方案要從多個(gè)角度進(jìn)行，觀察開展期間的影響因素，以及可能造成最終數(shù)據(jù)安全使用的因素，通過(guò)這種方法來(lái)建立起長(zhǎng)期工作環(huán)境，從而達(dá)到最佳設(shè)計(jì)控制目標(biāo)。目前解決方案研究中，已經(jīng)有技術(shù)人員提出在弱關(guān)聯(lián)環(huán)境下建立一個(gè)弱小集合關(guān)聯(lián)系統(tǒng)，將數(shù)據(jù)挖掘定位在有效信息中，從而必滿冗余信息計(jì)算造成最終運(yùn)算速度降低，在實(shí)現(xiàn)技術(shù)層面上仍然需要繼續(xù)深入研究。

4 建立弱聚類算法的弱關(guān)聯(lián)規(guī)則挖掘模型（A weak

correlation rule mining model for weak clustering

algorithm is established）

4.1 數(shù)據(jù)關(guān)系匹配實(shí)現(xiàn)原理

實(shí)現(xiàn)數(shù)據(jù)之間的匹配關(guān)系，可以從云計(jì)算環(huán)境中建立數(shù)據(jù)集合矩陣。數(shù)據(jù)匹配是自動(dòng)進(jìn)行的，捕捉表達(dá)信息，深入挖掘其中與其他數(shù)據(jù)具有關(guān)聯(lián)的部分。通過(guò)建立基層數(shù)據(jù)關(guān)系來(lái)探討最終的數(shù)據(jù)匹配關(guān)系，對(duì)提升數(shù)據(jù)結(jié)果運(yùn)行穩(wěn)定性也有很大幫助。數(shù)據(jù)關(guān)系匹配需要在云計(jì)算環(huán)境下找到相同的數(shù)據(jù)參與運(yùn)算，實(shí)現(xiàn)數(shù)據(jù)之間相互聯(lián)系，并在聯(lián)系基礎(chǔ)上篩選出冗余部分參數(shù)，根據(jù)產(chǎn)生頻率來(lái)計(jì)算出具體矩陣，觀察矩陣判斷不同風(fēng)險(xiǎn)隱患發(fā)生概率，并在接下來(lái)的各項(xiàng)控制計(jì)劃中建立起具有實(shí)際意義的工作環(huán)境。本文所研究方法與傳統(tǒng)方法在數(shù)據(jù)挖掘數(shù)量上的比較圖，如圖1所示。

采用弱聚類算法是在信息挖掘數(shù)量上有明顯提升，各個(gè)節(jié)點(diǎn)處的信息采集數(shù)量均已經(jīng)超過(guò)傳統(tǒng)算法，通過(guò)算法之間的相互比較可以發(fā)現(xiàn)，不同模式下開展信息分析，是幫助提升控制效果的有效方法，使用過(guò)程中所發(fā)現(xiàn)的各類信息比較問(wèn)題，建立長(zhǎng)期穩(wěn)定運(yùn)行環(huán)境對(duì)提升信息挖掘效率也有很大幫助。當(dāng)前數(shù)據(jù)運(yùn)算模式下所遇到的問(wèn)題大部分是由于環(huán)境因素導(dǎo)致，如果不能協(xié)調(diào)好環(huán)境問(wèn)題，數(shù)據(jù)運(yùn)算模式下開展各類數(shù)據(jù)挖掘算法也會(huì)受到阻礙。

4.2 關(guān)聯(lián)數(shù)據(jù)弱聚類處理

匹配任務(wù)完成后進(jìn)入到數(shù)據(jù)處理階段，通過(guò)建立基層工作聯(lián)系體系來(lái)實(shí)現(xiàn)系統(tǒng)之間配合運(yùn)行，對(duì)關(guān)聯(lián)數(shù)據(jù)進(jìn)行弱聚類處理同樣基于云計(jì)算環(huán)境下開展。根據(jù)匹配所得到的數(shù)據(jù)結(jié)果信息來(lái)進(jìn)行，觀察到數(shù)據(jù)中存在問(wèn)題時(shí)及時(shí)探討解決方案，對(duì)于使用過(guò)程中可能會(huì)產(chǎn)生的問(wèn)題，充分探討解決規(guī)劃方案，對(duì)提升最終任務(wù)完成效率也有很大幫助，關(guān)聯(lián)模式下觀察數(shù)據(jù)運(yùn)行所處環(huán)境，弱聚類方法處理信息對(duì)提升關(guān)聯(lián)數(shù)據(jù)也有很大的幫助，弱關(guān)聯(lián)是針對(duì)少量關(guān)聯(lián)模式來(lái)進(jìn)行的，當(dāng)前環(huán)境下所遇到的各類問(wèn)題均由信息風(fēng)險(xiǎn)因素導(dǎo)致，采用弱聚類處理方法提升了最終結(jié)果準(zhǔn)確程度，對(duì)于提升最終的計(jì)算效率也有很大幫助。不同類型弱聚類環(huán)境中，數(shù)據(jù)庫(kù)運(yùn)行所面對(duì)的風(fēng)險(xiǎn)因素有很大差異性[3]。模擬信息處理模式需要對(duì)使用情況做出模擬，嘗試在不同運(yùn)行環(huán)境中所遇到的風(fēng)險(xiǎn)隱患問(wèn)題，確保所提取的信息結(jié)果與實(shí)際情況之間不存在出入，弱關(guān)聯(lián)環(huán)境中數(shù)據(jù)之間聯(lián)系本身較少，冗余信息環(huán)境帶來(lái)的阻礙影響更嚴(yán)重，只有解決這部分問(wèn)題，接下來(lái)進(jìn)行的信息對(duì)接檢測(cè)才更加高效。

4.3 小區(qū)域關(guān)聯(lián)劃分

劃分小區(qū)域關(guān)聯(lián)是實(shí)現(xiàn)接下來(lái)挖掘算法的基礎(chǔ)部分，劃分要從多個(gè)角度進(jìn)行，首先建立一個(gè)整體性的挖掘體系，觀察是否具有可行性，掌握故障隱患因素后從數(shù)據(jù)關(guān)聯(lián)劃分角度建立一個(gè)矩陣研究體系，并觀察數(shù)據(jù)運(yùn)行是否處于合理的狀態(tài)范圍內(nèi)。小區(qū)域關(guān)聯(lián)信息劃分完成后進(jìn)入到整合階段，按照這一劃分結(jié)果對(duì)比其他方向數(shù)據(jù)庫(kù)，建立起長(zhǎng)期工作環(huán)境。大數(shù)據(jù)處理是由中多個(gè)小環(huán)境組成，因此數(shù)據(jù)劃分與挖掘任務(wù)也是從各個(gè)小范圍開展，冗余環(huán)境中信息有效篩選才能進(jìn)入到更深層次的信息觀察處理中，實(shí)現(xiàn)弱關(guān)聯(lián)項(xiàng)目更深層次研究。云計(jì)算環(huán)境下信息處理速度雖然有明顯提升，但在處理能力上卻因此受到影響，建立這一聯(lián)系體系是解決現(xiàn)存問(wèn)題的有效方法。各個(gè)控制計(jì)劃之間聯(lián)系體系也需要通過(guò)方案完善不斷提升運(yùn)行使用效率。endprint

4.4 弱關(guān)聯(lián)環(huán)境下的挖掘過(guò)程

數(shù)據(jù)弱關(guān)聯(lián)環(huán)境下，信息獲取會(huì)建立獨(dú)立的信道，在信道控制作用下進(jìn)行其他層面數(shù)據(jù)傳輸，實(shí)現(xiàn)云計(jì)算環(huán)境下信息最穩(wěn)定的獲取形式。數(shù)據(jù)庫(kù)中全部信息數(shù)量統(tǒng)計(jì)需要浪費(fèi)大量時(shí)間，可以對(duì)其進(jìn)行假象擬定，例如將其假設(shè)為1000，這樣在運(yùn)算分析中也能避免信息獲取數(shù)量與實(shí)際需求不符合。信息挖掘獲取需要在同步運(yùn)算環(huán)境下開展，通過(guò)這種方法來(lái)幫助提升最終結(jié)果穩(wěn)定程度。挖掘過(guò)程嚴(yán)重要首先從信息獲取層面開展，統(tǒng)計(jì)信息數(shù)量與傳輸方法，挖掘過(guò)程中觀察數(shù)據(jù)信息之間的關(guān)聯(lián)情況，建立起具有長(zhǎng)期控制能力的風(fēng)險(xiǎn)評(píng)估體系。信息數(shù)據(jù)傳輸中彼此之間具有關(guān)聯(lián)性，關(guān)聯(lián)性情況了解后，進(jìn)入到更深層次的數(shù)據(jù)保護(hù)階段，采用數(shù)據(jù)挖掘試探方法檢驗(yàn)數(shù)據(jù)庫(kù)使用穩(wěn)定性情況，能夠幫助建立起長(zhǎng)期工作體系，并觀察在系統(tǒng)中是否存在需要更新完善的部分。弱關(guān)聯(lián)環(huán)境下數(shù)據(jù)信息之間的聯(lián)系線索非常少，要確保捕捉的精準(zhǔn)程度，信息有效利用后進(jìn)入到控制層面，協(xié)調(diào)好數(shù)據(jù)之間的交流模式并建立具有保護(hù)意義的數(shù)據(jù)檢索環(huán)境，結(jié)束數(shù)據(jù)挖掘檢索后可以進(jìn)入到更深層次的控制內(nèi)容中。

5 弱關(guān)聯(lián)冗余環(huán)境下的挖掘算法仿真實(shí)驗(yàn)（Simulation

experiment of mining algorithm in weak

correlation redundant environment）

確定挖掘算法開展模式后進(jìn)入到仿真實(shí)驗(yàn)解讀，檢驗(yàn)挖掘算法是否具有可行性，建立長(zhǎng)期工作體系來(lái)促進(jìn)最終工作穩(wěn)定性提升，也是解決當(dāng)前矛盾沖突問(wèn)題的主要原因。實(shí)驗(yàn)進(jìn)行是對(duì)算法有效性的一次檢驗(yàn)，觀察在系統(tǒng)結(jié)構(gòu)中是否存在可能會(huì)造成風(fēng)險(xiǎn)隱患因素的問(wèn)題，將風(fēng)險(xiǎn)隔離排除。仿真實(shí)驗(yàn)檢測(cè)弱關(guān)聯(lián)冗余環(huán)境下的挖掘計(jì)算時(shí)，首先針對(duì)數(shù)據(jù)庫(kù)部分的控制能力進(jìn)行檢驗(yàn)，雖然弱關(guān)聯(lián)環(huán)境下數(shù)據(jù)之間聯(lián)系較小，但通過(guò)這種控制挖掘方法也能幫助捕捉數(shù)據(jù)信息傳輸動(dòng)向，確定信息之間的聯(lián)系關(guān)系，從而實(shí)現(xiàn)對(duì)數(shù)據(jù)庫(kù)運(yùn)行情況的模擬檢驗(yàn)。該種方法在數(shù)據(jù)穩(wěn)定性控制能力上較強(qiáng)，通過(guò)分析現(xiàn)場(chǎng)工作模式來(lái)建立一個(gè)長(zhǎng)期工作環(huán)境，能夠達(dá)到最佳控制效果。弱關(guān)聯(lián)冗余環(huán)境是在云計(jì)算模式下展開數(shù)據(jù)挖掘的，需要在短時(shí)間內(nèi)建立長(zhǎng)期工作模式，云計(jì)算模式數(shù)據(jù)信息的數(shù)量龐大，文章方法能夠幫助快速明確工作開展方法，掌握數(shù)據(jù)信息彼此之間的聯(lián)系性，節(jié)省數(shù)據(jù)分類使用時(shí)間。仿真實(shí)驗(yàn)開展在大數(shù)據(jù)云計(jì)算環(huán)境下，實(shí)驗(yàn)結(jié)果顯示通過(guò)建立弱關(guān)聯(lián)環(huán)境中的弱聚類挖掘算法應(yīng)用后效果明顯，弱關(guān)聯(lián)問(wèn)題得到解決，并且在這一環(huán)境下所開展的各項(xiàng)數(shù)據(jù)運(yùn)算計(jì)劃也逐漸開展完善，最終進(jìn)入到理想的控制環(huán)境。仿真實(shí)驗(yàn)分別模擬不同環(huán)境下系統(tǒng)運(yùn)行所能遇到的問(wèn)題。實(shí)驗(yàn)所針對(duì)的數(shù)據(jù)內(nèi)容具有代表性，但并不完全表示真實(shí)運(yùn)行過(guò)程，對(duì)運(yùn)行情況進(jìn)行分析時(shí)還需要綜合考慮問(wèn)題，應(yīng)用該種挖掘算法開展控制效果明顯，能夠幫助有效提升大數(shù)據(jù)環(huán)境中的分析速度。

6 結(jié)論（Conclusion）

對(duì)于弱關(guān)聯(lián)冗余環(huán)境下的挖掘算法研究，當(dāng)前技術(shù)方法已經(jīng)十分先進(jìn)，未來(lái)發(fā)展中還要達(dá)到綜合控制效果，云計(jì)算環(huán)境下提升數(shù)據(jù)處理運(yùn)行效率，對(duì)最終數(shù)據(jù)處理效果提升也有很大幫助。本文提出了一種基于弱聚類算法的云計(jì)算環(huán)境下海量數(shù)據(jù)中弱關(guān)聯(lián)挖掘方法，針對(duì)弱關(guān)聯(lián)冗余環(huán)境進(jìn)行，通過(guò)數(shù)據(jù)的描述特征對(duì)數(shù)據(jù)特征進(jìn)行分解，依據(jù)數(shù)據(jù)特征，對(duì)全部數(shù)據(jù)進(jìn)行融合。基于關(guān)聯(lián)決策概率將云計(jì)算環(huán)境下海量數(shù)據(jù)進(jìn)行有效劃分，完成所有數(shù)據(jù)特征關(guān)聯(lián)概率的計(jì)算，通過(guò)弱聚類方法對(duì)屬性元素進(jìn)行分類，將數(shù)量型元素轉(zhuǎn)換成類別型，通過(guò)弱化關(guān)聯(lián)規(guī)則方法，對(duì)經(jīng)聚類處理后的數(shù)據(jù)進(jìn)行挖掘。實(shí)驗(yàn)結(jié)果表明，所提方法具有很高的高效性及有效性。

參考文獻(xiàn)（References）

[1] 黃潮.云計(jì)算環(huán)境下的海量光纖通信故障數(shù)據(jù)挖掘算法研究[J].激光雜志，2017（1）：96-100.

[2] 張忠林，田苗鳳，劉宗成.大數(shù)據(jù)環(huán)境下關(guān)聯(lián)規(guī)則并行分層挖掘算法研究[J].計(jì)算機(jī)科學(xué)，2016，43（1）：286-289.

[3] 童釗，等.分布式系統(tǒng)中多用戶網(wǎng)絡(luò)應(yīng)用的概率型調(diào)度算法研究[J].電子學(xué)報(bào)，2016，44（7）：1679-1688.

作者簡(jiǎn)介：

蔡柳萍（1981-），女，碩士，講師.研究領(lǐng)域：大數(shù)據(jù)，數(shù)據(jù)挖掘.endprint