周戈

摘要：本文將通過簡單介紹兩種常見的基于神經網絡的數(shù)據(jù)挖掘類型，即自組織神經網絡數(shù)據(jù)挖掘以及模糊神經網絡數(shù)據(jù)挖掘類型出發(fā)，以RBF神經網絡為例，著重圍繞基于神經網路的數(shù)據(jù)挖掘方法進行簡要分析。

關鍵詞：神經網絡；數(shù)據(jù)挖掘；具體方法

中圖分類號：TP311 文獻標識碼：A 文章編號：1007-9416（2017）04-0047-01

1 基于神經網絡的數(shù)據(jù)挖掘類型

1.1 自組織神經網絡

自組織神經網絡下的數(shù)據(jù)挖掘，通過對數(shù)據(jù)組的具體特征以及數(shù)據(jù)與數(shù)據(jù)之間的關系入手，深入挖掘出數(shù)據(jù)實際內容及內在關聯(lián)等，對數(shù)據(jù)組之間的相互作用進行深層次分析，從而對數(shù)據(jù)性質、類別等進行判定。當挖掘數(shù)據(jù)特征時，可以根據(jù)數(shù)據(jù)具體分布情況找出其中的規(guī)律特點，并以此為基礎，從神經網絡結構出發(fā)搭建其數(shù)據(jù)單元，從而對任意數(shù)據(jù)組進行比較分析，了解其具體性質及差異等。但在保障處理數(shù)據(jù)信號速率的前提之下，需要選擇與數(shù)據(jù)組相對應的神經網絡結構[1]。

1.2 模糊神經網絡

神經網絡結構本身具有一定的局限性，在某些情況下難以全面闡述挖掘的數(shù)據(jù)結果，因此可以借助模糊神經完成數(shù)據(jù)挖掘。在基于模糊神經的數(shù)據(jù)挖掘當中，通過有效控制BP網絡數(shù)據(jù)的輸出節(jié)點，對數(shù)據(jù)輸出在網絡結構當中的具體模式進行簡化，在對神經網絡結構本身的記憶能力、分析能力、聯(lián)想能力等進行最大限度保留的基礎之上，使用數(shù)值0與1表現(xiàn)出數(shù)據(jù)樣本期望值，從而使得數(shù)據(jù)輸出更加直接。

2 基于神經網絡的數(shù)據(jù)挖掘方法

2.1 數(shù)據(jù)準備

基于RBF神經網絡的數(shù)據(jù)挖掘，首先需要引導用戶根據(jù)其自身的實際需求，自行選擇位于數(shù)據(jù)訪問接口處的數(shù)據(jù)集，對其具體類型、名稱以及位置等進行明確。在此，筆者建議采用DAO/ODBC的數(shù)據(jù)庫訪問方案，相較于其他方案，其不僅可以和Microsoft Jet數(shù)據(jù)庫引擎同時使用，也可以通過使用ODBC Direct選項進行單獨使用，使得數(shù)據(jù)庫訪問更加方便快捷。之后，將利用SQL語句或是其他相關程序對不需要的觀測值進行清理，避免其對數(shù)據(jù)挖掘造成干擾。在完成數(shù)據(jù)清理之后需要繼續(xù)使用SQL語句或者是其他與之有關的程序，將原本相互獨立的數(shù)據(jù)合并成為一個完整的數(shù)據(jù)集[2]。

2.2 數(shù)據(jù)挖掘

在RBF神經網絡數(shù)據(jù)挖掘中，挖掘數(shù)據(jù)的方法選擇與管理環(huán)節(jié)中需要根據(jù)用戶的實際需要為其挑選出最為合適的數(shù)據(jù)挖掘方法。并且妥善保管數(shù)據(jù)接口處產生的，所有與數(shù)據(jù)挖掘方法有關的信息，譬如說文本或是文件的分詞方法等等，一般具有較好普遍適用性的挖掘方法有粗糙集、決策樹等等。因此我們可以通過使用數(shù)學模型的方法，在RBF網絡當中完成網絡分類模型的構建，之后使用數(shù)據(jù)挖掘技術中的預測分析技術，對已經經過分類的數(shù)據(jù)進行快速分析，在對數(shù)據(jù)結果進行科學分析之后直接將其傳遞到評估系統(tǒng)當中。而根據(jù)數(shù)據(jù)挖掘模型的實際情況，可以依照具體的挖掘需要進行修改調整或是重新構建。為了能夠更加直觀地完成數(shù)據(jù)結果的輸出，可以通過采用樹狀圖、列表等方式展示數(shù)據(jù)挖掘結果，但筆者更建議使用可視化技術，通過電子屏幕直接顯示出數(shù)據(jù)挖掘結果，能夠更加方便用戶清晰、具體地掌握真實數(shù)據(jù)結果。在對數(shù)據(jù)挖掘結果進行評估過程中，可以通過對數(shù)據(jù)挖掘在各種模式下形成的效果進行對比分析，找出最優(yōu)的分析結果，并在其中清晰地標出標準圖標，一方面可以使得評估結果更加科學有效，另一方面也能夠為用戶的查詢?yōu)g覽提供便利。

2.3 安全保障

保障用戶在使用基于RBF神經網絡的數(shù)據(jù)挖掘，是確保數(shù)據(jù)挖掘正常無誤的關鍵舉措之一，為此，應當分別從保護數(shù)據(jù)安全和權限設置的內外兩種保護措施入手。在保護數(shù)據(jù)安全方面，首先需要對客戶端進行安全控制，考慮到用戶需要利用網絡相服務器端傳輸數(shù)據(jù)，而網絡本身具有一定的虛擬性和不穩(wěn)定性，容易影響數(shù)據(jù)傳輸?shù)耐暾院桶踩?，因此可以通過加密數(shù)據(jù)，同時在服務器當中存儲用戶的數(shù)據(jù)挖掘結果，使得用戶即使登錄不同的計算機也不會影響其對數(shù)據(jù)挖掘結果的使用。而設置權限則指的是需要對用戶登錄注冊進行常規(guī)管理的基礎之上，將用戶進行科學合理的等級劃分，并為不同等級的用戶賦予相應的權限，從而避免因用戶的非法登錄或是未授權訪問等影響數(shù)據(jù)的安全性[3]。

3 結語

總而言之，本文通過從簡單介紹自組織神經網絡挖掘類型和模糊神經網絡挖掘類型入手，對當前常見的兩種基于神經網絡下的數(shù)據(jù)挖掘類型進行簡要分析，并在此基礎上以RBF神經網絡為例，從數(shù)據(jù)準備包括數(shù)據(jù)的選擇、清理與合成，以及數(shù)據(jù)挖掘等方面出發(fā)，對基于神經網絡的數(shù)據(jù)挖掘方法進行探究。但鑒于建立在神經網絡基礎上的數(shù)據(jù)挖掘具有較強的復雜性，因此本文還有諸多的不足之處有待日后進行加強改進。

參考文獻

[1]王磊，王汝涼.基于改進的BP神經網絡方法的數(shù)據(jù)挖掘[J].廣西師范學院學報（自然科學版），2016，01：79-84.

[2]曹嘉杰，楊猛，徐新宇.基于RBF神經網絡的數(shù)據(jù)挖掘方法探究[J].電腦知識與技術，2016，07：151-153.

[3]呂嫄.基于神經網絡的數(shù)據(jù)挖掘方法研究[J].重慶文理學院學報（社會科學版），2015，02：122-124+128.