简述计算机数据挖掘技术开发及其应用
最后更新时间：2024-03-05
作者：用户投稿
本站原创
点赞:14205
浏览:59460
本站原创
点赞:14205
浏览:59460
论文导读：
摘 要：随着计算机技术的迅猛发展，在各个领域计算机数据挖掘技术都得到广泛的应用，也推动了社会整体取得了巨大的进步。由于经济社会的发展必定推动各个领域的数据量不断暴涨，如何在无限的数据中寻找有益的信息，这就必定需要计算机数据挖掘技术。文章将对计算机数据挖掘技术的开发与应用进行分析。
关键词：计算机；数据挖掘；开发；应用
中图分类号：TP311.13
数据挖掘技术的发展历史并不长，但是速度却非常惊人，由于这是一种多学科多领域交叉的技术，对其进行统一定义有一定的难度，由于数据信息的流通已经到了令人瞠目结舌的地步，有时候会遇到巨量的数据记录，高维的资料，而这种变化都使得分析技术要进行革新，传统分析技术有时候仅能搜索到很小一部分可用的数据信息，在各个学科技术的基础上开发出来的数据挖掘技术有很多功能，主要包括如下几个方面：
首先，可以对对象进计算机数据挖掘技术的开发及其应用由专注毕业论文与职称论文的www.7ctime.com提供,转载请保留.行属性、特征分析，对事物从不同组类的角度进行分析。其次对于对象的内在规则进行识别，根据规则将对象分成若干类；再次，对于关联规则和序列模式的发现，能够对与某一事件的内在规则进行发现；第四可以分析出对象的发展规律，对未来的趋势做出预测。最后，检测偏差，对少数特例进行描述。
1 计算机数据挖掘技术的开发及工具
1.1 传统统计策略。传统统计策略包括抽样技术、多元统计分析以及统计预测策略三种，抽样技术是指面对海量数据，为了不用对所有数据进行分析，要如何进行合理的抽样；多元统计分析是指对于结构复杂、维数较高的数据进行分析或因子分析；统计预测是指回归分析、序列分析等。
1.2 可视化技术。数据特征并不是一直都很明显，可以用图表等方式将数据的特征更加直观的表述出来，包括散点图等可视化策略，高维数据的可视化是当前可视化技术的一个难点。
1.3 联机分析处理。这是一种通过联机来实现多维数据分析的策略，用户应当在联机分析中积极配合，并且主动提出分析要求，进一步筛选分析算法，由浅至深的对数据进行探索性分析。
1.4 决策树。树状图是由一系列规则的划分为建立基础的，用于各种分类与预测。其算法有ID3、.5、CART和CHAID等，目前出现的两种新算法SLIQ和SPRINT，可以由非常大的训练集进行决策树归纳，可以处理分类属性和连续性属性。
1.5 神经网络。以人的神经元功能为模拟对象，一般包括三层，输入层、隐藏层和输出层，调整以及计算数据，并且以得出的结果进行分类与归纳。
1.6 遗传算法。以自然进化论为基础，根据基因的联合、突变和选择等一些列过程作为技术优化的一种策略。根据适者存活的原则，模拟自然界中的生命进化机制，形成由当前群体中最适合的规则组成新的群体，以及这些规则的后代。基于这一思想的应用，根据遗传算法获得最适合的模型，并进一步对数据模型进行优化。
上述计算机数据挖掘技术都是早期开发出来的，不少属于粗集策略或模糊集合策略，从开始就将计算机数据挖掘定位为应用型的，以决策服务为导向，可以说由于数据挖掘的出现极大的降低了决策者的知识储备要求，已经有越来越多的公司不断的对数据挖掘技术投入研究。数据挖掘系统的体系结构如图1所示。
2 计算机数据挖掘技术的应用
2.1市场营销方面的应用。用户购买货物的情况可以通过信息管理系统以及POS系统的应用，特别是条形码技术的应用，在零售行业的使用更为普遍，由于搜集到的用户数据越来越多，已经达到了人为不可制约的情况，在市场营销过程中，以搜集到的数据对客户的购物行为、习惯进行分析，总结出其中的特征，对于企业的市场营销能力有很大的提高作用，对于企业的市场竞争力有很大的帮助。对于用户数据的分析只有通过更为高效的数据挖掘技术才能准确的分析顾客的购买取向与兴趣，商业决策才能够更加准确，市场营销上的数据挖掘主要可以分为两类，一是数据库营销，二是货篮分析，前者主要通过交互式查询、模型预测等策略对于潜在的客户进行选择，这也是其主要任务，向潜在的客户推销其产品。系统的分析客户关系，加强管理，对于每一个零售店都进行趋势分析，包括购买取向、季节性特征等。而对于顾客购买商品的行为中发现一些关系，包括如何使用打折券来提高销售额。数据挖掘的联系分析如图2所示。
2.2 金融投资方面的应用。投资评估与股票交易市场预测是金融分析的典型领域，一般以模型预测法来进行分析，包括统计回归技术等，因为金融投资是一个风险较大的领域，在进行投资前一定要进行各种数据分析，对于各种风险进行有效规避，选择最佳的投资方向。由于事物的发展都有一定的趋势，可以进行预测，从投资评估到股票市场预测，对于数据的分析都可以从中推理出一定的发展情况，对于已有数据进行处理，根据数据之间的关系进行深入挖掘，根据一定的模式进行合理的预测。鉴别潜在的欺诈行为，许多商业银行经常发生的恶意诈骗行为、恶意透支行为，对于银行来说都是非常严重的威胁，预测这些诈骗行为将有助于降低银行的风险，一般采用对比分析正常行为与诈骗行为的方式来鉴别，分析诈骗行为的独特性，对比正常行为与诈骗行为，一旦出现需要警惕的现象时提醒决策人员，目前许多公司都研发了这一类的软件，针对商业银行的欺诈进行评估，对于有风险的交易行为予以探究。对与日渐猖獗的洗钱活动等犯罪，数据挖掘技术都可以极大的提高其预防效果。
2.3 其他领域的应用。半导体在制造业的应用不断深入，在生产与测试过程中不断产生与更新数据，分析这些数据能够揭示其中所隐藏的理由，使得产品的质量得以保障。数据挖掘技术在电子商务中也得到广泛的应用，由于网站分析、客户消费类型以及习惯等都可以对用户的行为模式进行鉴别，对于用户的网上浏览、消费记录都可以保存，增强客户服务的个性化，优化网站设计。在税务领域同样可以应用数据挖掘技术，对于没有缴税或瞒报漏税的，可以对其展开追踪，对于不同行业的纳税人的行为特征进行分析，对其普遍规律进行分析，对税务征稽提供策略。
3 结束语
数据挖掘是一个重要的工论文导读：户变为现实。数据挖掘技术在诸多领域都得到了广泛的应用，随着数据库以及计算机技术的迅猛发展，对于许多过去较为棘手的理由现在通过数据挖掘技术都可以得到良好的解决。参考文献：郑继刚，王边疆.数据挖掘研究的目前状况与发展趋势.红河学院学报，2010（02）.朱世武，崔嵬，张尧庭，谢邦昌.数据挖掘运用的理论与技术.统计
具与策略，虽然不是万能的，但是对于一些潜在的客户、风险都可以加以挖掘，即使其不能告知为什么形成这些潜在的利益或风险，但是却可以使得这些潜在的用户变为现实。数据挖掘技术在诸多领域都得到了广泛的应用，随着数据库以及计算机技术的迅猛发展，对于许多过去较为棘手的理由现在通过数据挖掘技术都可以得到良好的解决。
参考文献：
[1]郑继刚，王边疆.数据挖掘研究的目前状况与发展趋势[J].红河学院学报，2010（02）.
[2]朱世武，崔嵬，张尧庭，谢邦昌.数据挖掘运用的理论与技术[J].统计研究；2003（08）.
[3]李华，刘帅，李茂，刘双琪.数据挖掘理论及应用研究[J].断块油气田，2010（01）.
作者单位：盐城工业职业技术学院，江苏 盐城 224005
摘 要：随着计算机技术的迅猛发展，在各个领域计算机数据挖掘技术都得到广泛的应用，也推动了社会整体取得了巨大的进步。由于经济社会的发展必定推动各个领域的数据量不断暴涨，如何在无限的数据中寻找有益的信息，这就必定需要计算机数据挖掘技术。文章将对计算机数据挖掘技术的开发与应用进行分析。
关键词：计算机；数据挖掘；开发；应用
中图分类号：TP311.13
数据挖掘技术的发展历史并不长，但是速度却非常惊人，由于这是一种多学科多领域交叉的技术，对其进行统一定义有一定的难度，由于数据信息的流通已经到了令人瞠目结舌的地步，有时候会遇到巨量的数据记录，高维的资料，而这种变化都使得分析技术要进行革新，传统分析技术有时候仅能搜索到很小一部分可用的数据信息，在各个学科技术的基础上开发出来的数据挖掘技术有很多功能，主要包括如下几个方面：
首先，可以对对象进计算机数据挖掘技术的开发及其应用由专注毕业论文与职称论文的www.7ctime.com提供,转载请保留.行属性、特征分析，对事物从不同组类的角度进行分析。其次对于对象的内在规则进行识别，根据规则将对象分成若干类；再次，对于关联规则和序列模式的发现，能够对与某一事件的内在规则进行发现；第四可以分析出对象的发展规律，对未来的趋势做出预测。最后，检测偏差，对少数特例进行描述。
1 计算机数据挖掘技术的开发及工具
1.1 传统统计策略。传统统计策略包括抽样技术、多元统计分析以及统计预测策略三种，抽样技术是指面对海量数据，为了不用对所有数据进行分析，要如何进行合理的抽样；多元统计分析是指对于结构复杂、维数较高的数据进行分析或因子分析；统计预测是指回归分析、序列分析等。
1.2 可视化技术。数据特征并不是一直都很明显，可以用图表等方式将数据的特征更加直观的表述出来，包括散点图等可视化策略，高维数据的可视化是当前可视化技术的一个难点。
1.3 联机分析处理。这是一种通过联机来实现多维数据分析的策略，用户应当在联机分析中积极配合，并且主动提出分析要求，进一步筛选分析算法，由浅至深的对数据进行探索性分析。
1.4 决策树。树状图是由一系列规则的划分为建立基础的，用于各种分类与预测。其算法有ID3、.5、CART和CHAID等，目前出现的两种新算法SLIQ和SPRINT，可以由非常大的训练集进行决策树归纳，可以处理分类属性和连续性属性。
1.5 神经网络。以人的神经元功能为模拟对象，一般包括三层，输入层、隐藏层和输出层，调整以及计算数据，并且以得出的结果进行分类与归纳。
1.6 遗传算法。以自然进化论为基础，根据基因的联合、突变和选择等一些列过程作为技术优化的一种策略。根据适者存活的原则，模拟自然界中的生命进化机制，形成由当前群体中最适合的规则组成新的群体，以及这些规则的后代。基于这一思想的应用，根据遗传算法获得最适合的模型，并进一步对数据模型进行优化。
上述计算机数据挖掘技术都是早期开发出来的，不少属于粗集策略或模糊集合策略，从开始就将计算机数据挖掘定位为应用型的，以决策服务为导向，可以说由于数据挖掘的出现极大的降低了决策者的知识储备要求，已经有越来越多的公司不断的对数据挖掘技术投入研究。数据挖掘系统的体系结构如图1所示。
2 计算机数据挖掘技术的应用
2.1市场营销方面的应用。用户购买货物的情况可以通过信息管理系统以及POS系统的应用，特别是条形码技术的应用，在零售行业的使用更为普遍，由于搜集到的用户数据越来越多，已经达到了人为不可制约的情况，在市场营销过程中，以搜集到的数据对客户的购物行为、习惯进行分析，总结出其中的特征，对于企业的市场营销能力有很大的提高作用，对于企业的市场竞争力有很大的帮助。对于用户数据的分析只有通过更为高效的数据挖掘技术才能准确的分析顾客的购买取向与兴趣，商业决策才能够更加准确，市场营销上的数据挖掘主要可以分为两类，一是数据库营销，二是货篮分析，前者主要通过交互式查询、模型预测等策略对于潜在的客户进行选择，这也是其主要任务，向潜在的客户推销其产品。系统的分析客户关系，加强管理，对于每一个零售店都进行趋势分析，包括购买取向、季节性特征等。而对于顾客购买商品的行为中发现一些关系，包括如何使用打折券来提高销售额。数据挖掘的联系分析如图2所示。
2.2 金融投资方面的应用。投资评估与股票交易市场预测是金融分析的典型领域，一般以模型预测法来进行分析，包括统计回归技术等，因为金融投资是一个风险较大的领域，在进行投资前一定要进行各种数据分析，对于各种风险进行有效规避，选择最佳的投资方向。由于事物的发展都有一定的趋势，可以进行预测，从投资评估到股票市场预测，对于数据的分析都可以从中推理出一定的发展情况，对于已有数据进行处理，根据数据之间的关系进行深入挖掘，根据一定的模式进行合理的预测。鉴别潜在的欺诈行为，许多商业银行经常发生的恶意诈骗行为、恶意透支行为，对于银行来说都是非常严重的威胁，预测这些诈骗行为将有助于降低银行的风险，一般采用对比分析正常行为与诈骗行为的方式来鉴别，分析诈骗行为的独特性，对比正常行为与诈骗行为，一旦出现需要警惕的现象时提醒决策人员，目前许多公司都研发了这一类的软件，针对商业银行的欺诈进行评估，对于有风险的交易行为予以探究。对与日渐猖獗的洗钱活动等犯罪，数据挖掘技术都可以极大的提高其预防效果。
2.3 其他领域的应用。半导体在制造业的应用不断深入，在生产与测试过程中不断产生与更新数据，分析这些数据能够揭示其中所隐藏的理由，使得产品的质量得以保障。数据挖掘技术在电子商务中也得到广泛的应用，由于网站分析、客户消费类型以及习惯等都可以对用户的行为模式进行鉴别，对于用户的网上浏览、消费记录都可以保存，增强客户服务的个性化，优化网站设计。在税务领域同样可以应用数据挖掘技术，对于没有缴税或瞒报漏税的，可以对其展开追踪，对于不同行业的纳税人的行为特征进行分析，对其普遍规律进行分析，对税务征稽提供策略。
3 结束语
数据挖掘是一个重要的工论文导读：户变为现实。数据挖掘技术在诸多领域都得到了广泛的应用，随着数据库以及计算机技术的迅猛发展，对于许多过去较为棘手的理由现在通过数据挖掘技术都可以得到良好的解决。参考文献：郑继刚，王边疆.数据挖掘研究的目前状况与发展趋势.红河学院学报，2010（02）.朱世武，崔嵬，张尧庭，谢邦昌.数据挖掘运用的理论与技术.统计
具与策略，虽然不是万能的，但是对于一些潜在的客户、风险都可以加以挖掘，即使其不能告知为什么形成这些潜在的利益或风险，但是却可以使得这些潜在的用户变为现实。数据挖掘技术在诸多领域都得到了广泛的应用，随着数据库以及计算机技术的迅猛发展，对于许多过去较为棘手的理由现在通过数据挖掘技术都可以得到良好的解决。
参考文献：
[1]郑继刚，王边疆.数据挖掘研究的目前状况与发展趋势[J].红河学院学报，2010（02）.
[2]朱世武，崔嵬，张尧庭，谢邦昌.数据挖掘运用的理论与技术[J].统计研究；2003（08）.
[3]李华，刘帅，李茂，刘双琪.数据挖掘理论及应用研究[J].断块油气田，2010（01）.
作者单位：盐城工业职业技术学院，江苏 盐城 224005