人工智能异常数据挖掘研究

前言：想要写出一篇引人入胜的文章？我们特意为您整理了人工智能异常数据挖掘研究范文，希望能给你带来灵感和参考，敬请阅读。

【摘要】在我国社会经济的不断发展、科技的飞速进步的大背景下，计算机网络技术的应用得到了更广泛、更高端的应用。在大数据时代中，网络信息的数量在不断增加，人们的需求也在不断增加，传统的计算机应用已经无法满足人类的需求，由此诞生出了计算机数据挖掘技术。而人工智能与数据挖掘技术的结合，为各行业领域的发展发挥了巨大的作用，也成为了信息化社会发展的必然需求。因此，本文根据人工智能和异常数据挖掘的内涵，提出了人工智能用于异常数据挖掘的几种方法，对提升数据的时效性和质量具有重要的意义。

【关键词】人工智能；异常数据挖掘；分析

1引言

数据挖掘是通过对数据采集、分析和处理的系统过程，对海量数据中的有效数据的挖掘的重要手段。而人工智能则是运用计算机技术结合其他学科技术实施智能学习、模拟人类的思想和行为的一种技术手段。两者都作为现代化前言的数据控制技术，具有良好的发展和应用前景。在数据集中，异常值作为不确定的数据点，不仅会影响数据集中的挖掘，还会降低其性能，直接用于异常场景的检测，其中涉及到了安全检测、欺诈检测等，异常数据的检测成为了数据挖掘中最为关键的一步。因此，本文通过运用人工智能技术去挖掘异常数据，为相关领域的发展和应用提供了有效的数据价值和支撑。

2人工智能和异常数据挖掘的内涵

2.1人工智能

人工智能（AI）是近年来比较流行且应用较为广泛的计算机科学技术，其主要目的是为了模拟人类的思考行为而实施的智能化控制领域。现如今，在各行业领域中都能看到人工智能身影，其最为典型的应用包含了图像识别技术、语音系统、视觉识别技术等。伴随着人工智能技术的成熟与发展，人工智能科技产品给人们的生活带来了翻天覆地的变化，有效的解决了人们日常生活中的问题和困难。除了生活小事可以用到它，还可以让它代替人类从事对于人类本身来说更复杂、更危险的工作，因为人工智能不会像人类一样会受到自身身体因素的影响，从而一定程度上保障了工作人员的安全。

2.2异常数据挖掘

在大量的网络数据中包含着与其他数据不一样的数据记录，这些数据被称之为异常点[1]。而数据中的异常点中通常包含着重要的信息，对数据的异常点或者特点的问题进行分析，可以得到具有价值的信息。比如：银行数据中可以检测出欺诈行为，这就是数据挖掘在特地领域中发挥的重要价值和作用。对异常点进行查找的过程即数据挖掘，作为数据挖掘技术中的一种，异常数据挖掘又称之为异常检测、小事件检测、偏差检测等。从知识的角度去分析，不同寻常的检测为我们的工作提供比较具有价值的信息，也让我们发现一些出乎意料以外的知识。目前，在各行业领域的发展过程中，异常数据挖掘得到了广泛的应用，比如可以利用异常点检测去预估市场动向，去分析客户的消费异常行为以及为医疗事业的发展提供多样化的治疗方式等，对异常数据进行挖掘和分析，具有重要的现实意义。在实际应用中，会按照实际情况去选择相对应异常数据挖掘方法，进而去挖掘异常点数据。不同的数据模式，以及数据集成不同，进而异常点数据也存在着不同的类型。

3人工智能用于异常数据挖掘的几种方法

3.1人工智能之神经网络方法

人工智能就是模拟人类思维，形成人工神经网络的关键就是模拟人类思维，使计算机网络接近人脑运作，随着以人工智能的发展，人工神经网络也得到了更加广泛的运用。神经网络模型主要由输入层、输出层以及隐含层三层结构组成，神经网络模型的复杂度取决于隐含层的节点和层数，输入层的节点代表多个预测变量，输出层的节点代表多个目标变量[2]。其次，通过网络神经模型图可以看出，得到整个实现过程，将每个训练样本赋予第一层输入层，再结合各自的第二层，每层的隐含层再结合权重输出作为下一层的输入，最后一层节点输出层单元，最终预测输出层的各个训练样本。

3.2知识粒度异常数据挖掘算法

知识粒度计算是人工智能领域研发的全新方向，此方法可以对不确定的信息进行处理，其中主要包含了商空间模型、粗糙集模型以及模糊集模型，这种方法建立的概念和思想主要是运用不同粒度上的信息处理问题，该理论在数据挖掘、机器学习等领域中都到了应用。知识粒度的异常数据挖掘为处理各种不确定的数据提供了新的方向，这种异常数据挖掘算法不需要预知数据的分布状况，只需要采用知识度量各个对象之间的距离与异常度，就能挖掘出各类异常数据。

3.3两种方法对比分析结论

根据上文所述，以上两种方法各有各的优势和缺陷，神经网络方法作为人工智能中应用于数据挖掘最早的方法之一，能够有效的挖掘出异常数据，但是这种方法的层级难以确定，使用时间和难度都较高，基于知识粒度的异常数据挖掘算法不仅能够实现异常数据的检测目的，还能对不同粒度上的问题和信息进行处理，快速的检测出异常数据，这种算法在多个领域都得到的普及和应用[3]。

4结语

综上所述，对异常数据进行研究和挖掘无论是对各行业领域的崛起，还是社会经济的发展，都发挥着重要的作用和价值。近年来，异常数据挖掘取得了进一步的研究和发展，在金融、气象、医疗领域等都得到了广泛的应用，也为其发展起到了推动的作用。希望本论文阐述的基于人工智能的异常数据挖掘方法可以给更多的学者研究提供部分借鉴，在克服各种问题和障碍时，促使自动化智能控制技术更好的为人类社会的发展而服务。

【参考文献】

[1]朱海麒，姜峰.人工智能时代面向运维数据的异常检测技术研究与分析[J].信息网络安全，2019（11）:24-35.

[2]杨庭庭，徐凯.人工智能用于异常数据挖掘研究综述[J].电子技术与软件工程，2014（08）:198.

[3]于浩.人工智能在入侵检测系统中的应用[J].科技创新导报，2008（10）:35-36.

作者：甘枥元 单位：广西中医药大学第一附属医院