丁庆伟

摘要：早当今时代背景下，我国经济已经得到显著的发展，信息技术水平也得到明显的进步，这也就代表着计算机技术已经被社会广泛的应用并且已经影响到社会的每个领域。在我国社会各个领域中都离不开信息系统，在信息技术广泛应用的背景下我国传统的数据分析和统计技术也有了很大的进步和创新，随着社会的不断进步，我们必须要对挖掘技术不断的革新。其中机械学习算法就是很有效的一种方式，它能够将数据挖掘中的漏洞很好的补上。我们在进行机械学习的过程中，要学会借助计算机来不断完善自己的技能，通过提高技能来提升机械的性能。机械学习是一个自我完善的过程，其在很多方面都没有人类大脑强，但是它能够在完善过程中不断积累经验来提高自身的性能。再加上其是建立在计算机基础上的，具备较强的数据整理能力，因此，数据挖掘中的机械学习算法目前已经得到广泛的应用。

关键词：数据挖掘;机械学习;算法;应用

目前，我国各大企业的数据管理技术都离不开计算机管理，其已经得到广泛的应用。在计算机作用下的计算机管理技术是企业中部门与部门之间联络和交流的主要途径。然而，数据管理技术在使用过程中还存在很多的题，其主要原因就是数据的不断增加使得其分析能力受到一定的限制。

一、完善GABP神经网络模型

笔者在传统机械算法的基础上来对机械学习算法方式和途径进行分析，目前已经发明出一种新的形式，也就是GA-BP神经网络模型。这种神经网络模型主要是在传统机械算法的基础上对其进行全面的优化和创新，在对GA-BP神经网络中的各个性能进行优化的过程中主要采取的方式是自适应变又和变异概率。下面笔者对这一过程进行逐条分析介绍。

1.设计染色体结构

通过前文的阐述我们能够李教导新型染色体的基因结构主要分为两种，也就是控制基因和参数基因，这两种形式是缺一不可的，其关系到对GABP神经网络模型能否实现最佳的优化。GA-BP神经网络模型在很大程度上对传统模型的两种形式进行优化和创新，最终使得GA-BP神经网络参数更为的稳定。控制基因形式的主要表现就是对GABP神经网络模型中的隐性节点进行优化和改良。而参数基因主要表现形式和作用就是对GABP神经网络内部链接所需的标准值进行控制和优化。

2.对适应度函数进行设计

根据以上的阐述我们能建立函数规律。也就是将训练样本设定为n个，而训练数据内部所存在的各方面误差用r表示，其误差镜应该控制在0-1之间。

3.选择算子

自从遗传算法正式实施改进和创新之后，GA-BP神经网络模型其网络算法主要以常规算法为主，在此进出上再设计最佳的保留数据法，通过这种方式来降低计算过程中出现的各种误差。

4.交又、变异算子

单点交又和基本变异算子搜是本文所重点要阐述的计算方式，也是传统优化GABP神经网络过程中所采取的重要网络算法，这种网络算法主要是将遗传基因算法进行改进和优化。

二、机械学习算法实例

下面就举出有关的例子对上文所提出的优化过程进行简要分析，下文所采用的实例是煤矿空压机的故障诊断系统，然后対改进型遗传优化BP神经网络算法进行有效的探索研究。

1.首先应该做好相应的准备工作，阅读相关的空压机的说明书，例如使用说明书和故障说明书等。在使用空压机的时候，还应该对使用过程中的经验进行积累，在使用结東后再对相关经验进行分析总结，空压机的故障类型以及故障是怎么来的，在进行数据整理的时候都要进行分析研究，及时的发现问题所在。煤矿空压机的故障诊断系统就是本文所采用的实例。通过相应的实验数据分析，煤矿空压机呈现出5种工作状态，用符号Y1-Y5表示，以此作为神经网络故障诊断模型的输出。机润滑油压力不足;X10表示轴承温度超限。

2.空压机经过数据挖掘之后的故障诊断分析。通过对空压机可能出现的故障进行分析，为了看出新的神经网络的良好的性能，采用传统的遗传神经网络算法建立了煤矿空压机故障针对系统，在进行网络训练的时候应该采用相同的训练数据样本，在测试的时候也应该采用相同的测试数据样本。

三、结语

在社会的不断发展进步的过程中，数据挖掘技术也在不断的创新，在社会中的运用也越来越广泛，发展速度也越来越快。本文就在传统的遗传算法的基础上提出了一种新的改进型遗传优化BP神经网络模型。这种神经网络模型对传统的神经网络模型在遗传算法的染色体结构和遗传算子两个方面进行了相关的优化，然后在进行BP神经网络结构参数改进的时候，采用了自适应交叉和变异概率，这样有利于各种数据的处理。

参考文献：

[1] 郝艳妮. 基于机器学习的数据挖掘算法在葡萄酒信息数据分析系统中的研究[J]. 计算机科学， 2016（S1）：501-504.

[2] 佚名. 大数据环境下机器学习在数据挖掘中的应用研究[J]. 智库时代， 2018， 147（31）：264-265.

[3] 張绍成， 孙时光， 曲洋，等. 大数据环境下机器学习在数据挖掘中的应用研究[J]. 辽宁大学学报（自然科学版）， 2017， 44（1）：15-17.

[4] 孙雪松， 王晓丽. 数据挖掘常用算法及其在医学大数据研究中的应用[J]. 中国数字医学， 2018， 13（3）.