机器学习算法在数据挖掘中的应用

摘要：

针对数据挖掘算法中常用的机器学习型算法进行研究。机器学习型算法特色是运用了人工智能技术，能在大量样本集训练和学习后自动找出运算需要的参数和模式。以机器学习型算法中的人工神经网络为例研究数据挖掘技术，针对学习速度慢、抗干扰能力弱以及容易陷入局部最小值等缺点和传统的遗传算法存在算法早熟以及局部寻优能力弱等问题，提出一种通过改进常规遗传算法的染色体结构和遗传算子，并且通过引入自适应交叉和变异概率来对 BP神经网络结构参数进行优化的改进型遗传优化 BP神经网络模型。最后通过煤矿空压机故障诊断系统这一实例来研究改进型算法的数据挖掘技术的性能。研究结果表明，改进后的算法建立的诊断模型相比常规神经网络的诊断模型诊断准确率更好，诊断效率更快。

关键词：数据挖掘、BP 神经网络、遗传优化算法、空压机故障诊断

分类号：TN957.52+9-34;TP274

资助基金：国家自然科学基金基于 Sieve Bootstrap 方法的长记忆过程变点研究与应用11301291

在线出版日期：2015-10-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：11-14