丁慶偉

摘要：早當今時代背景下，我國經(jīng)濟已經(jīng)得到顯著的發(fā)展，信息技術水平也得到明顯的進步，這也就代表著計算機技術已經(jīng)被社會廣泛的應用并且已經(jīng)影響到社會的每個領域。在我國社會各個領域中都離不開信息系統(tǒng)，在信息技術廣泛應用的背景下我國傳統(tǒng)的數(shù)據(jù)分析和統(tǒng)計技術也有了很大的進步和創(chuàng)新，隨著社會的不斷進步，我們必須要對挖掘技術不斷的革新。其中機械學習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上。我們在進行機械學習的過程中，要學會借助計算機來不斷完善自己的技能，通過提高技能來提升機械的性能。機械學習是一個自我完善的過程，其在很多方面都沒有人類大腦強，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基礎上的，具備較強的數(shù)據(jù)整理能力，因此，數(shù)據(jù)挖掘中的機械學習算法目前已經(jīng)得到廣泛的應用。

關鍵詞：數(shù)據(jù)挖掘;機械學習;算法;應用

目前，我國各大企業(yè)的數(shù)據(jù)管理技術都離不開計算機管理，其已經(jīng)得到廣泛的應用。在計算機作用下的計算機管理技術是企業(yè)中部門與部門之間聯(lián)絡和交流的主要途徑。然而，數(shù)據(jù)管理技術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)絡模型

筆者在傳統(tǒng)機械算法的基礎上來對機械學習算法方式和途徑進行分析，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)絡模型。這種神經(jīng)網(wǎng)絡模型主要是在傳統(tǒng)機械算法的基礎上對其進行全面的優(yōu)化和創(chuàng)新，在對GA-BP神經(jīng)網(wǎng)絡中的各個性能進行優(yōu)化的過程中主要采取的方式是自適應變又和變異概率。下面筆者對這一過程進行逐條分析介紹。

1.設計染色體結(jié)構

通過前文的闡述我們能夠李教導新型染色體的基因結(jié)構主要分為兩種，也就是控制基因和參數(shù)基因，這兩種形式是缺一不可的，其關系到對GABP神經(jīng)網(wǎng)絡模型能否實現(xiàn)最佳的優(yōu)化。GA-BP神經(jīng)網(wǎng)絡模型在很大程度上對傳統(tǒng)模型的兩種形式進行優(yōu)化和創(chuàng)新，最終使得GA-BP神經(jīng)網(wǎng)絡參數(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)絡模型中的隱性節(jié)點進行優(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)絡內(nèi)部鏈接所需的標準值進行控制和優(yōu)化。

2.對適應度函數(shù)進行設計

根據(jù)以上的闡述我們能建立函數(shù)規(guī)律。也就是將訓練樣本設定為n個，而訓練數(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和創(chuàng)新之后，GA-BP神經(jīng)網(wǎng)絡模型其網(wǎng)絡算法主要以常規(guī)算法為主，在此進出上再設計最佳的保留數(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)絡過程中所采取的重要網(wǎng)絡算法，這種網(wǎng)絡算法主要是將遺傳基因算法進行改進和優(yōu)化。

二、機械學習算法實例

下面就舉出有關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)，然后対改進型遺傳優(yōu)化BP神經(jīng)網(wǎng)絡算法進行有效的探索研究。

1.首先應該做好相應的準備工作，閱讀相關的空壓機的說明書，例如使用說明書和故障說明書等。在使用空壓機的時候，還應該對使用過程中的經(jīng)驗進行積累，在使用結(jié)東后再對相關經(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)絡故障診斷模型的輸出。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)絡的良好的性能，采用傳統(tǒng)的遺傳神經(jīng)網(wǎng)絡算法建立了煤礦空壓機故障針對系統(tǒng)，在進行網(wǎng)絡訓練的時候應該采用相同的訓練數(shù)據(jù)樣本，在測試的時候也應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)展進步的過程中，數(shù)據(jù)挖掘技術也在不斷的創(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)的遺傳算法的基礎上提出了一種新的改進型遺傳優(yōu)化BP神經(jīng)網(wǎng)絡模型。這種神經(jīng)網(wǎng)絡模型對傳統(tǒng)的神經(jīng)網(wǎng)絡模型在遺傳算法的染色體結(jié)構和遺傳算子兩個方面進行了相關的優(yōu)化，然后在進行BP神經(jīng)網(wǎng)絡結(jié)構參數(shù)改進的時候，采用了自適應交叉和變異概率，這樣有利于各種數(shù)據(jù)的處理。

參考文獻：

[1] 郝艷妮. 基于機器學習的數(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]. 計算機科學， 2016（S1）：501-504.

[2] 佚名. 大數(shù)據(jù)環(huán)境下機器學習在數(shù)據(jù)挖掘中的應用研究[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)境下機器學習在數(shù)據(jù)挖掘中的應用研究[J]. 遼寧大學學報（自然科學版）， 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)學大數(shù)據(jù)研究中的應用[J]. 中國數(shù)字醫(yī)學， 2018， 13（3）.