人工智能異常數據挖掘研究

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了人工智能異常數據挖掘研究范文，希望能給你帶來靈感和參考，敬請閱讀。

【摘要】在我國社會經濟的不斷發(fā)展、科技的飛速進步的大背景下，計算機網絡技術的應用得到了更廣泛、更高端的應用。在大數據時代中，網絡信息的數量在不斷增加，人們的需求也在不斷增加，傳統(tǒng)的計算機應用已經無法滿足人類的需求，由此誕生出了計算機數據挖掘技術。而人工智能與數據挖掘技術的結合，為各行業(yè)領域的發(fā)展發(fā)揮了巨大的作用，也成為了信息化社會發(fā)展的必然需求。因此，本文根據人工智能和異常數據挖掘的內涵，提出了人工智能用于異常數據挖掘的幾種方法，對提升數據的時效性和質量具有重要的意義。

【關鍵詞】人工智能；異常數據挖掘；分析

1引言

數據挖掘是通過對數據采集、分析和處理的系統(tǒng)過程，對海量數據中的有效數據的挖掘的重要手段。而人工智能則是運用計算機技術結合其他學科技術實施智能學習、模擬人類的思想和行為的一種技術手段。兩者都作為現代化前言的數據控制技術，具有良好的發(fā)展和應用前景。在數據集中，異常值作為不確定的數據點，不僅會影響數據集中的挖掘，還會降低其性能，直接用于異常場景的檢測，其中涉及到了安全檢測、欺詐檢測等，異常數據的檢測成為了數據挖掘中最為關鍵的一步。因此，本文通過運用人工智能技術去挖掘異常數據，為相關領域的發(fā)展和應用提供了有效的數據價值和支撐。

2人工智能和異常數據挖掘的內涵

2.1人工智能

人工智能（AI）是近年來比較流行且應用較為廣泛的計算機科學技術，其主要目的是為了模擬人類的思考行為而實施的智能化控制領域。現如今，在各行業(yè)領域中都能看到人工智能身影，其最為典型的應用包含了圖像識別技術、語音系統(tǒng)、視覺識別技術等。伴隨著人工智能技術的成熟與發(fā)展，人工智能科技產品給人們的生活帶來了翻天覆地的變化，有效的解決了人們日常生活中的問題和困難。除了生活小事可以用到它，還可以讓它代替人類從事對于人類本身來說更復雜、更危險的工作，因為人工智能不會像人類一樣會受到自身身體因素的影響，從而一定程度上保障了工作人員的安全。

2.2異常數據挖掘

在大量的網絡數據中包含著與其他數據不一樣的數據記錄，這些數據被稱之為異常點[1]。而數據中的異常點中通常包含著重要的信息，對數據的異常點或者特點的問題進行分析，可以得到具有價值的信息。比如：銀行數據中可以檢測出欺詐行為，這就是數據挖掘在特地領域中發(fā)揮的重要價值和作用。對異常點進行查找的過程即數據挖掘，作為數據挖掘技術中的一種，異常數據挖掘又稱之為異常檢測、小事件檢測、偏差檢測等。從知識的角度去分析，不同尋常的檢測為我們的工作提供比較具有價值的信息，也讓我們發(fā)現一些出乎意料以外的知識。目前，在各行業(yè)領域的發(fā)展過程中，異常數據挖掘得到了廣泛的應用，比如可以利用異常點檢測去預估市場動向，去分析客戶的消費異常行為以及為醫(yī)療事業(yè)的發(fā)展提供多樣化的治療方式等，對異常數據進行挖掘和分析，具有重要的現實意義。在實際應用中，會按照實際情況去選擇相對應異常數據挖掘方法，進而去挖掘異常點數據。不同的數據模式，以及數據集成不同，進而異常點數據也存在著不同的類型。

3人工智能用于異常數據挖掘的幾種方法

3.1人工智能之神經網絡方法

人工智能就是模擬人類思維，形成人工神經網絡的關鍵就是模擬人類思維，使計算機網絡接近人腦運作，隨著以人工智能的發(fā)展，人工神經網絡也得到了更加廣泛的運用。神經網絡模型主要由輸入層、輸出層以及隱含層三層結構組成，神經網絡模型的復雜度取決于隱含層的節(jié)點和層數，輸入層的節(jié)點代表多個預測變量，輸出層的節(jié)點代表多個目標變量[2]。其次，通過網絡神經模型圖可以看出，得到整個實現過程，將每個訓練樣本賦予第一層輸入層，再結合各自的第二層，每層的隱含層再結合權重輸出作為下一層的輸入，最后一層節(jié)點輸出層單元，最終預測輸出層的各個訓練樣本。

3.2知識粒度異常數據挖掘算法

知識粒度計算是人工智能領域研發(fā)的全新方向，此方法可以對不確定的信息進行處理，其中主要包含了商空間模型、粗糙集模型以及模糊集模型，這種方法建立的概念和思想主要是運用不同粒度上的信息處理問題，該理論在數據挖掘、機器學習等領域中都到了應用。知識粒度的異常數據挖掘為處理各種不確定的數據提供了新的方向，這種異常數據挖掘算法不需要預知數據的分布狀況，只需要采用知識度量各個對象之間的距離與異常度，就能挖掘出各類異常數據。

3.3兩種方法對比分析結論

根據上文所述，以上兩種方法各有各的優(yōu)勢和缺陷，神經網絡方法作為人工智能中應用于數據挖掘最早的方法之一，能夠有效的挖掘出異常數據，但是這種方法的層級難以確定，使用時間和難度都較高，基于知識粒度的異常數據挖掘算法不僅能夠實現異常數據的檢測目的，還能對不同粒度上的問題和信息進行處理，快速的檢測出異常數據，這種算法在多個領域都得到的普及和應用[3]。

4結語

綜上所述，對異常數據進行研究和挖掘無論是對各行業(yè)領域的崛起，還是社會經濟的發(fā)展，都發(fā)揮著重要的作用和價值。近年來，異常數據挖掘取得了進一步的研究和發(fā)展，在金融、氣象、醫(yī)療領域等都得到了廣泛的應用，也為其發(fā)展起到了推動的作用。希望本論文闡述的基于人工智能的異常數據挖掘方法可以給更多的學者研究提供部分借鑒，在克服各種問題和障礙時，促使自動化智能控制技術更好的為人類社會的發(fā)展而服務。

【參考文獻】

[1]朱海麒，姜峰.人工智能時代面向運維數據的異常檢測技術研究與分析[J].信息網絡安全，2019（11）:24-35.

[2]楊庭庭，徐凱.人工智能用于異常數據挖掘研究綜述[J].電子技術與軟件工程，2014（08）:198.

[3]于浩.人工智能在入侵檢測系統(tǒng)中的應用[J].科技創(chuàng)新導報，2008（10）:35-36.

作者：甘櫪元 單位：廣西中醫(yī)藥大學第一附屬醫(yī)院