文明瑶，廖伟国

(华南农业大学珠江学院，广东广州510900)

1 引言

广义上讲，使用“机器”模拟人类学习活动的学科，称为机器学习[1，2]，在这里“机器”代表电子计算机，通过机器学习可获取新知识、新信息以及新技能，并可识别现有知识信息[3]。机器学习主要组成为：对人类学习过程进行解读并模拟；研究人类与计算机之间的语言接口；自动规划问题；以实现机器学习为目的，设计发现新信息的程序。机器学习涉及统计学、概率论、算法复杂度理论等多个学科[4]，广泛应用于建筑、医学、数学、金融等多个领域。机器学习可从一类数据中自动分析其规律，并利用该规律对未知数据展开预先计算，因此，机器学习在处理庞大数据量时，效果显著[5]。

经过分析每个数据，从大量数据中找出其关联性，称为数据挖掘，现代电子技术迅猛发展，各种行业数据信息量成倍增长，并发展迅速[6，7]，数据具有构成庞大、组成复杂、变化迅速等特征。为了实现数据的有效挖掘，杨阳[8]等人提出一种基于Spark的不确定数据集频繁模式挖掘算法，该算法在计算过程中需进行频繁式计算，计算精度高，但其计算耗时长，期望概率和权重需选择单一指标，计算过程复杂。许磊[9]等人提出基于模糊神经网络的异常网络数据挖掘算法，该算法依据异常网络数据进行相似度计算，其收敛性较差，造成计算结果不够精确。

从大量并且复杂多变的数据中，挖掘有效信息，是现代机器学习的重要方向。机器学习的主要技术之一是模糊c-均值聚类算法，简称FCM算法，该算法应用范围广，计算精度高，可将目标函数进行优化，并从中获取聚类中心的隶属度，根据数据样本的隶属度达到将数据分类的目的。……