基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘方法研究

呂 嫄

(蕪湖地區(qū)衛(wèi)生學(xué)校，安徽 蕪湖 241000)

1 基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘過程分析

神經(jīng)網(wǎng)絡(luò)是模仿人類的神經(jīng)系統(tǒng)建立的網(wǎng)絡(luò)，根據(jù)人類神經(jīng)元和神經(jīng)網(wǎng)絡(luò)處理信息的基本特點，結(jié)合信息處理的特點，用神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)本身來實現(xiàn)信息的輸入、處理以及輸出.在神經(jīng)網(wǎng)絡(luò)發(fā)展初期該技術(shù)并不被人看好，主要是因為神經(jīng)網(wǎng)絡(luò)比較復(fù)雜，并且受外界環(huán)境的干擾較大.隨著網(wǎng)絡(luò)算法和運算規(guī)則的不斷提出和完善，神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)挖掘方面有了廣泛的應(yīng)用.

1.1 數(shù)據(jù)準備階段

神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘過程主要由數(shù)據(jù)的準備、規(guī)則的設(shè)置以及規(guī)則的評估3 個方面組成，如圖1所示.

圖1 數(shù)據(jù)挖掘流程

數(shù)據(jù)是數(shù)據(jù)挖掘的基礎(chǔ)和前提，但僅有數(shù)據(jù)是無法進行數(shù)據(jù)挖掘的，必須在進行數(shù)據(jù)挖掘前進行有效的數(shù)據(jù)準備，也就是數(shù)據(jù)的初步整理和定義，使用戶的數(shù)據(jù)資源能夠適應(yīng)某種數(shù)據(jù)挖掘的方式.數(shù)據(jù)準備作為數(shù)據(jù)挖掘的首要步驟，對于數(shù)據(jù)的挖掘有著極其重要的作用.數(shù)據(jù)準備首先是進行數(shù)據(jù)的清洗.數(shù)據(jù)的清洗是為了補充數(shù)據(jù)中數(shù)值的空缺，去除干擾數(shù)據(jù)，對數(shù)據(jù)庫中類型不統(tǒng)一的數(shù)據(jù)進行整理.數(shù)據(jù)清洗可以在數(shù)據(jù)裝入之前進行，也可以在裝入之后進行，靈活度比較高，然后就是數(shù)據(jù)的選擇.所謂的數(shù)據(jù)選擇就是根據(jù)本次利用的數(shù)據(jù)進行刪選，比如某一數(shù)據(jù)庫中有10 000 行和10 000 列數(shù)據(jù)，其中只有100 列和100 行數(shù)據(jù)能夠?qū)τ脩舻臎Q策起到積極作用，神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)選擇作用能夠幫助用戶對這些數(shù)據(jù)進行篩選，通過建立一個模型，然后幫助用戶進行數(shù)據(jù)的篩選，接著就是數(shù)據(jù)的預(yù)先處理.預(yù)先處理是對已經(jīng)篩選后的數(shù)據(jù)進行增強處理，然后是數(shù)據(jù)的表示部分.數(shù)據(jù)表示就是將預(yù)處理后的數(shù)據(jù)轉(zhuǎn)換成神經(jīng)網(wǎng)絡(luò)能夠識別的形式.神經(jīng)網(wǎng)絡(luò)只能處理數(shù)值類型的數(shù)據(jù)，所以要將符號類數(shù)據(jù)轉(zhuǎn)換為數(shù)值數(shù)據(jù).如圖2所示.

圖2 符號類數(shù)據(jù)轉(zhuǎn)換

數(shù)據(jù)的表示類型有多種，任何一種方法都要事先了解這些數(shù)據(jù)對神經(jīng)網(wǎng)絡(luò)的適應(yīng)時間和處理精度.數(shù)據(jù)表示越明確，神經(jīng)網(wǎng)絡(luò)就越容易感知;而神經(jīng)網(wǎng)絡(luò)的規(guī)模越大，處理時間就會變長.在進行數(shù)據(jù)挖掘時，必須選擇適當(dāng)?shù)哪Ｐ?，這樣才能改善數(shù)據(jù)處理效果.

1.2 規(guī)則設(shè)定

數(shù)據(jù)挖掘中規(guī)則提取的方法有很多，其中比較常用的有LRE 和黑盒的方式.第一種方法主要是利用LRE 對多層感知器進行規(guī)則的提取:首先對網(wǎng)絡(luò)中的每一隱層結(jié)點和輸出結(jié)點利用搜索功能使輸入加權(quán)和大于結(jié)點的閾值，其次對每個數(shù)值組合設(shè)定一條規(guī)則.LRE 的優(yōu)點在于產(chǎn)生的規(guī)則都比較容易理解，但搜索空間較大導(dǎo)致效率較低，黑盒方法是從神經(jīng)網(wǎng)絡(luò)的輸入和輸出兩種行為來設(shè)定規(guī)則.這種方法的好處在于在提取規(guī)則之前不用了解神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和類型，只要了解輸入和輸出的映射關(guān)系就能實現(xiàn).

1.3 規(guī)則評估

規(guī)則評估要根據(jù)每個應(yīng)用的具體情況而定，但總體上要滿足的規(guī)則是規(guī)則能對數(shù)據(jù)的處理產(chǎn)生最優(yōu)的結(jié)果，評估時要重點檢查規(guī)則的準確性，檢測神經(jīng)網(wǎng)絡(luò)中還有多少內(nèi)容沒有被提取，以及檢測神經(jīng)網(wǎng)絡(luò)與規(guī)則之間不一致的部分.神經(jīng)網(wǎng)絡(luò)中提取的過程還沒有明確的順序，但可以從健壯性測試和完備性測試以及警戒性測試3個方面來進行.

2 基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘類別分析

2.1 自組織神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘

自組織神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)挖掘是在無教師指導(dǎo)下完成的，整個數(shù)據(jù)挖掘過程基于數(shù)據(jù)組的特征或數(shù)據(jù)內(nèi)容的內(nèi)在關(guān)聯(lián)而展開，通過挖掘不同數(shù)據(jù)之間的相互關(guān)聯(lián)，分析數(shù)據(jù)組間的相互作用，最終判定數(shù)據(jù)類別的性質(zhì).如在進行數(shù)據(jù)特征挖掘過程中，能夠通過分析數(shù)據(jù)組中數(shù)據(jù)分布的特征，并搭建神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的數(shù)據(jù)單元，以此檢驗不同數(shù)據(jù)組之間的性質(zhì)差異.由于神經(jīng)結(jié)構(gòu)具有低緯度層次的結(jié)構(gòu)空間，因此在進行數(shù)據(jù)組搭建過程中，應(yīng)選擇對應(yīng)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，以保證自組織神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)信號處理速率，使數(shù)據(jù)特性能夠得到及時的組織映射.

2.2 模糊神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘

受神經(jīng)結(jié)構(gòu)自身條件的限制，神經(jīng)網(wǎng)絡(luò)無法對數(shù)據(jù)挖掘結(jié)果給出直觀的說明.為提升神經(jīng)網(wǎng)絡(luò)輸出數(shù)據(jù)的直觀性，通常引入模糊神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)挖掘技術(shù)，通過對BP 網(wǎng)絡(luò)數(shù)據(jù)輸出節(jié)點加以控制，有效簡化網(wǎng)絡(luò)結(jié)構(gòu)的數(shù)據(jù)輸出模式，以此使數(shù)據(jù)更為直觀的輸出.模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的數(shù)據(jù)挖掘方式保留了神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)自身記憶、分析和聯(lián)想的能力，因此在數(shù)據(jù)挖掘過程中不會因BP 網(wǎng)絡(luò)結(jié)構(gòu)的引入而對神經(jīng)網(wǎng)絡(luò)的基本能力產(chǎn)生影響.在模糊BP 網(wǎng)絡(luò)中，數(shù)據(jù)樣本的期望值通過0 和1 兩數(shù)值直觀表現(xiàn)出來.這種方式提升了數(shù)據(jù)類型的隸屬性，使得數(shù)據(jù)挖掘能夠更具針對性地展開，并通過對數(shù)據(jù)組中的權(quán)系數(shù)進行模糊處理，進一步拓寬數(shù)據(jù)挖掘范圍，保障了模糊神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘效率.

3 神經(jīng)網(wǎng)絡(luò)實現(xiàn)的驅(qū)動方式

數(shù)據(jù)挖掘技術(shù)的高效開展是通過計算機聯(lián)機構(gòu)建神經(jīng)網(wǎng)絡(luò)得以實現(xiàn)的.由于計算機搭建的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)能夠有效實現(xiàn)對多項數(shù)據(jù)的同時處理，因此其適用于規(guī)律性數(shù)據(jù)組的處理，和更具動態(tài)性的數(shù)據(jù)庫數(shù)據(jù)整理等領(lǐng)域，針對不同的數(shù)據(jù)挖掘方式，神經(jīng)網(wǎng)絡(luò)的驅(qū)動方式也有所不同，主要包括數(shù)據(jù)自發(fā)驅(qū)動、數(shù)據(jù)查詢驅(qū)動、交互式數(shù)據(jù)驅(qū)動以及專業(yè)式數(shù)據(jù)驅(qū)動等方式.

3.1 數(shù)據(jù)自發(fā)驅(qū)動

神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)數(shù)據(jù)自發(fā)驅(qū)動是依賴于網(wǎng)絡(luò)得以實現(xiàn)的.在數(shù)據(jù)自發(fā)驅(qū)動過程中，神經(jīng)網(wǎng)絡(luò)對具有一定規(guī)律和制式的數(shù)據(jù)進行簡要處理，如對數(shù)據(jù)中的空缺值進行補充，對錯誤數(shù)據(jù)值進行糾錯等.完成數(shù)據(jù)的簡要處理后，再對數(shù)據(jù)組中特定的數(shù)據(jù)組值進行篩選，以保證數(shù)據(jù)挖掘的速率.在對網(wǎng)絡(luò)結(jié)構(gòu)中的數(shù)據(jù)進行挖掘后，通過接線的方式將數(shù)據(jù)組傳輸?shù)骄W(wǎng)絡(luò)中，通過網(wǎng)絡(luò)中的在線數(shù)據(jù)庫進行數(shù)據(jù)挖掘處理，使數(shù)據(jù)特性得以直觀展現(xiàn)出來，當(dāng)網(wǎng)絡(luò)中的在線數(shù)據(jù)庫數(shù)據(jù)規(guī)則滿足該數(shù)據(jù)組的數(shù)據(jù)特性時，神經(jīng)網(wǎng)絡(luò)便會實現(xiàn)驅(qū)動.這種驅(qū)動方式便是數(shù)據(jù)自發(fā)驅(qū)動.

3.2 數(shù)據(jù)查詢驅(qū)動

數(shù)據(jù)查詢驅(qū)動方式與數(shù)據(jù)自發(fā)驅(qū)動不同，不需要依賴網(wǎng)絡(luò)在線數(shù)據(jù)庫進行數(shù)據(jù)挖掘處理，而是通過計算機中的預(yù)設(shè)程序?qū)?shù)據(jù)進行挖掘處理.數(shù)據(jù)查詢驅(qū)動過程首先要對挖掘數(shù)據(jù)組進行分析和預(yù)處理.挖掘數(shù)據(jù)組的分析和預(yù)處理過程實際上是對數(shù)據(jù)組進行分類和統(tǒng)計.通過數(shù)據(jù)分析，神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)能夠掌握數(shù)據(jù)組的數(shù)據(jù)模糊性和結(jié)構(gòu)類型，通過判別數(shù)據(jù)組的數(shù)據(jù)性質(zhì)初步確定數(shù)據(jù)特性，為之后的網(wǎng)絡(luò)結(jié)構(gòu)驅(qū)動奠定基礎(chǔ).在完成數(shù)據(jù)預(yù)處理后，給定網(wǎng)絡(luò)會對數(shù)據(jù)組進行收錄，在判斷數(shù)據(jù)的正負屬性之后，建立起對應(yīng)數(shù)據(jù)屬性的集合.當(dāng)正屬性和負屬性數(shù)據(jù)分類完成后，神經(jīng)結(jié)構(gòu)便會對兩種數(shù)據(jù)執(zhí)行自動挖掘.完成數(shù)據(jù)挖掘后針對數(shù)據(jù)組的結(jié)構(gòu)特性觸發(fā)神經(jīng)網(wǎng)絡(luò)的查詢驅(qū)動.

3.3 專業(yè)式數(shù)據(jù)驅(qū)動

專業(yè)式神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)驅(qū)動更注重對數(shù)據(jù)的實時挖掘.在網(wǎng)絡(luò)結(jié)構(gòu)對數(shù)據(jù)性能進行分析整合后，專業(yè)式數(shù)據(jù)驅(qū)動要求對數(shù)據(jù)作進一步處理，即將數(shù)據(jù)網(wǎng)絡(luò)結(jié)構(gòu)進行重現(xiàn)并制定能夠展現(xiàn)數(shù)據(jù)特色的網(wǎng)絡(luò)規(guī)則，在將規(guī)則輸入到網(wǎng)絡(luò)系統(tǒng)后，通過系統(tǒng)對規(guī)則的處理與識別完成對數(shù)據(jù)結(jié)構(gòu)的判定.在網(wǎng)絡(luò)系統(tǒng)完成對數(shù)據(jù)規(guī)則的處理后，再將數(shù)據(jù)組內(nèi)容輸入到網(wǎng)絡(luò)系統(tǒng)中，使系統(tǒng)依照數(shù)據(jù)規(guī)則處理的方式挖掘數(shù)據(jù)內(nèi)容，最終完成挖掘處理.與其他神經(jīng)網(wǎng)絡(luò)驅(qū)動方式不同，專業(yè)式數(shù)據(jù)驅(qū)動更注重驅(qū)動效率，一旦網(wǎng)絡(luò)驅(qū)動失敗，便會對該神經(jīng)網(wǎng)絡(luò)部件構(gòu)成傷害.因此，為保障驅(qū)動效率，應(yīng)在數(shù)據(jù)挖掘過程中對數(shù)據(jù)規(guī)則處理進行多次驗證，以保障數(shù)據(jù)挖掘后數(shù)據(jù)信息的完整性，進而提升網(wǎng)絡(luò)數(shù)據(jù)驅(qū)動效率.為保證數(shù)據(jù)挖掘質(zhì)量，提升神經(jīng)網(wǎng)絡(luò)的驅(qū)動效率，在實際過程中，通常采用圖3的組合方式進行數(shù)據(jù)挖掘.

對神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進行協(xié)調(diào)處理，能夠在不同網(wǎng)絡(luò)結(jié)構(gòu)之間建立聯(lián)系，通過網(wǎng)絡(luò)結(jié)構(gòu)間的優(yōu)勢和缺陷互補，進一步完善數(shù)據(jù)挖掘過程，使數(shù)據(jù)中的信息和知識得以全面展現(xiàn).多網(wǎng)絡(luò)系統(tǒng)結(jié)合的發(fā)展方式也為神經(jīng)網(wǎng)絡(luò)的構(gòu)建和發(fā)展提供了良好的參照依據(jù)，如在神經(jīng)網(wǎng)絡(luò)的搭建過程中能夠通過進一步開發(fā)數(shù)據(jù)挖掘工具而簡化數(shù)據(jù)挖掘過程，進而提升數(shù)據(jù)挖掘的質(zhì)量和效率.多神經(jīng)網(wǎng)絡(luò)驅(qū)動形式的結(jié)合使得挖掘方式更為多樣，不同方式之間的優(yōu)勢互補也對數(shù)據(jù)挖掘發(fā)展起到推動作用.

圖3 數(shù)據(jù)挖掘組合方式

4 結(jié)語

本文主要從數(shù)據(jù)準備和規(guī)則設(shè)定兩個角度分析了基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘過程，介紹了自組織神經(jīng)網(wǎng)絡(luò)和模糊神經(jīng)網(wǎng)絡(luò)兩種數(shù)據(jù)挖掘處理的類別.目前還沒有一種相對較好的處理方式能夠?qū)θ魏螁栴}的處理都優(yōu)于別人的方法.因此，我們要基于現(xiàn)有的處理方式，根據(jù)自己的需要將多種方法組合在一起來滿足數(shù)據(jù)處理的需要.雖然現(xiàn)階段數(shù)據(jù)挖掘技術(shù)還處于正在發(fā)展的階段，但這些問題都能被逐一解決.

［1］陳霞，陳桂芬.基于可視化的時空數(shù)據(jù)挖掘研究與應(yīng)用［J］.安徽農(nóng)業(yè)科學(xué)，2012，40(17):9542 -9545.

［2］王健.基于隱私保護的數(shù)據(jù)挖掘若干關(guān)鍵技術(shù)研究［D］.上海:東華大學(xué)，2011:20 -22.

［3］Lv X，Li Y J，Lu X.A web data mining algorithm based on weighted association rules［J］.Key Engineering Materials，2011，1104(467):1368 -2777.

［4］何賢芒.隱私保護中k -匿名算法和匿名技術(shù)研究［D］.上海:復(fù)旦大學(xué)，2011:32 -35.

［5］張朝暉，陸玉昌，張鈸.利用神經(jīng)網(wǎng)絡(luò)發(fā)現(xiàn)分類規(guī)則［J］.計算機學(xué)報，1999，22(1):81 -82.

［6］邵棟，周志華，陳兆乾.模糊神經(jīng)網(wǎng)絡(luò)研究［J］.計算機應(yīng)用研究，1999，16(7):76-78.

［7］陳手余.人工神經(jīng)網(wǎng)絡(luò)模擬實現(xiàn)與應(yīng)用［M］.北京:中國地質(zhì)大學(xué)出版社，2009:97 -98.

［8］陳京民.數(shù)據(jù)倉庫與數(shù)據(jù)挖掘技術(shù)［M］.北京:電子工業(yè)出版社，2002:65 -69.

［9］Liu B.Distributed data mining for e-business［J］.Information Technology and Management，2011，12(2):67 -146.