數(shù)據(jù)挖掘總結(jié)精選(九篇)

前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的數(shù)據(jù)挖掘總結(jié)主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：數(shù)據(jù)挖掘總結(jié)范文

數(shù)據(jù)挖掘技術(shù)在商品銷售領(lǐng)域得到了越來(lái)越廣泛的應(yīng)用。商品銷售者不僅明白搜集顧客數(shù)據(jù)的重要性，而且意識(shí)到真正的目的在于能夠針對(duì)顧客提出科學(xué)的、前瞻性的商品銷售方案。數(shù)據(jù)挖掘技術(shù)能有效地幫助商品銷售工作者透過(guò)表面上無(wú)關(guān)聯(lián)的顧客層數(shù)據(jù)，發(fā)現(xiàn)數(shù)據(jù)之間的內(nèi)在有意義的聯(lián)系，從而不僅能對(duì)顧客需求做出及時(shí)反應(yīng)，還能對(duì)顧客需求進(jìn)行有效的預(yù)測(cè)。

一、數(shù)據(jù)挖掘的基本原理

數(shù)據(jù)挖掘就是利用數(shù)學(xué)模型、統(tǒng)計(jì)和人工智能技術(shù)等方法，把一些高深、復(fù)雜的技術(shù)封裝起來(lái)，使人們不用自己掌握這些技術(shù)也能完成同樣的功能，因而可專注于自己所要解決的問(wèn)題。數(shù)據(jù)挖掘按其功能可分為：描述性數(shù)據(jù)挖掘方法和預(yù)測(cè)性數(shù)據(jù)挖掘方法。

1描述性數(shù)據(jù)挖掘

在取得大量的數(shù)據(jù)之后，首先要對(duì)數(shù)據(jù)進(jìn)行總結(jié)，也即數(shù)據(jù)的泛化;在泛化的基礎(chǔ)上再對(duì)數(shù)據(jù)進(jìn)行高層次的處理，包括數(shù)據(jù)的聚集、關(guān)聯(lián)分析等。

(1)數(shù)據(jù)總結(jié)：數(shù)據(jù)總結(jié)的目的是對(duì)數(shù)據(jù)進(jìn)行濃縮，給出它們的緊湊描述。數(shù)據(jù)泛化是一種將數(shù)據(jù)庫(kù)中的有關(guān)數(shù)據(jù)從低層次抽象到高層次的過(guò)程。

(2)聚集：聚集的目的是要盡量縮小屬于同一類別的個(gè)體之間的距離，而盡可能擴(kuò)大不同類別個(gè)體間的距離。層次法、密度法、網(wǎng)格法、神經(jīng)元網(wǎng)絡(luò)和K-均值是比較常用的聚集算法。

(3)關(guān)聯(lián)分析：關(guān)聯(lián)分析是尋找數(shù)據(jù)的相關(guān)性。關(guān)聯(lián)規(guī)則是尋找在同一個(gè)事件中出現(xiàn)的不同項(xiàng)的相關(guān)性，其核心是使用Apriori算法，找出事物的相應(yīng)支持度和置信度，最后找到相應(yīng)的關(guān)聯(lián)規(guī)則。

2預(yù)測(cè)型數(shù)據(jù)挖掘

在預(yù)言模型中，把我們要預(yù)測(cè)的值或所屬類別稱為響應(yīng)變量、依賴變量或目標(biāo)變量；用于預(yù)測(cè)的輸入變量是預(yù)測(cè)變量或獨(dú)立變量。主要通過(guò)分類、回歸分析、時(shí)間序列來(lái)建立預(yù)測(cè)模型。

二、商品銷售領(lǐng)域數(shù)據(jù)挖掘的依據(jù)

在商品銷售領(lǐng)域采用數(shù)據(jù)挖掘是商品銷售發(fā)展到一定階段的必然要求，它有助于提高商品銷售效率，降低商品銷售成本。其理論依據(jù)有消費(fèi)者消費(fèi)行為、細(xì)分市場(chǎng)理論、顧客關(guān)系、顧客數(shù)據(jù)庫(kù)和直接商品銷售。

在制定商品銷售計(jì)劃之前，商品銷售者需要研究消費(fèi)者市場(chǎng)和消費(fèi)者行為。在分析消費(fèi)者市場(chǎng)時(shí)，公司需要了解市場(chǎng)情況，購(gòu)買對(duì)象，購(gòu)買目的等因素。通過(guò)搜集顧客消費(fèi)數(shù)據(jù)，采用數(shù)據(jù)挖掘技術(shù)，可以簡(jiǎn)潔、明了地得到這些信息。

三、商品銷售中的數(shù)據(jù)挖掘過(guò)程

1商品銷售目標(biāo)理解

在進(jìn)行數(shù)據(jù)挖掘之前，必須從商品銷售角度去分析要達(dá)到的目標(biāo)和需求，也即要分析什么商品銷售問(wèn)題，達(dá)到什么商品銷售目標(biāo)。首先對(duì)商品銷售現(xiàn)狀進(jìn)行分析，找出存在的問(wèn)題，并確定需要實(shí)現(xiàn)的營(yíng)銷目標(biāo)，再將商品銷售目標(biāo)轉(zhuǎn)換成數(shù)據(jù)挖掘目標(biāo)，然后將這種知識(shí)轉(zhuǎn)換成一種數(shù)據(jù)挖掘的問(wèn)題定義，并設(shè)計(jì)一個(gè)達(dá)到目標(biāo)的初步計(jì)劃。

2數(shù)據(jù)理解

先搜集初步的數(shù)據(jù)，然后進(jìn)行熟悉數(shù)據(jù)的各種活動(dòng)，包括識(shí)別數(shù)據(jù)的質(zhì)量問(wèn)題，找到對(duì)數(shù)據(jù)的基本觀察，或假設(shè)隱含的信息來(lái)檢測(cè)感興趣的數(shù)據(jù)子集。

3數(shù)據(jù)準(zhǔn)備

首先進(jìn)行數(shù)據(jù)抽樣，從大量數(shù)據(jù)中篩選出一些相關(guān)的樣板數(shù)據(jù)子集。通過(guò)對(duì)數(shù)據(jù)樣本的精選，不僅能減少數(shù)據(jù)處理量，節(jié)省系統(tǒng)資源，使數(shù)據(jù)更加具有規(guī)律性。然后，進(jìn)行數(shù)據(jù)探索，通常是所進(jìn)行的對(duì)數(shù)據(jù)深入調(diào)查的過(guò)程，從樣本數(shù)據(jù)集中找出規(guī)律和趨勢(shì)，用聚類分析法區(qū)分類別，最終要達(dá)到的目的就是搞清多因素相互影響的復(fù)雜關(guān)系，發(fā)現(xiàn)因素之間的相關(guān)性。最后，需要對(duì)數(shù)據(jù)進(jìn)行調(diào)整，通過(guò)上述兩個(gè)步驟的操作，對(duì)數(shù)據(jù)的狀態(tài)和趨勢(shì)有了進(jìn)一步的了解，這時(shí)要盡可能對(duì)解決問(wèn)題的要求進(jìn)行明確化和進(jìn)一步的量化。

4建模

這一步是數(shù)據(jù)挖掘的核心環(huán)節(jié)。在建模階段，可以選擇和應(yīng)用各種建模技術(shù)，并將其參數(shù)校正到優(yōu)化值。通常，對(duì)同一個(gè)數(shù)據(jù)挖掘問(wèn)題類型有幾種可選用的技術(shù)。

第2篇：數(shù)據(jù)挖掘總結(jié)范文

本課的教學(xué)對(duì)象為七年級(jí)學(xué)生，這個(gè)年齡段的學(xué)生自主和獨(dú)立意識(shí)較強(qiáng)，具備一定的信息搜集、處理、表達(dá)能力，喜歡在學(xué)習(xí)的過(guò)程中體驗(yàn)和理解事物，但分析思考問(wèn)題缺乏深度。在日常學(xué)習(xí)、生活中，學(xué)生經(jīng)常要對(duì)數(shù)據(jù)做搜集、整理、運(yùn)算、統(tǒng)計(jì)和分析工作，但他們的認(rèn)知大多只停留在表層，僅學(xué)會(huì)了數(shù)據(jù)加工的一些基本操作，缺乏從數(shù)據(jù)挖掘角度分析數(shù)據(jù)的意識(shí)，更不會(huì)運(yùn)用統(tǒng)計(jì)學(xué)方法尋找蘊(yùn)藏在數(shù)據(jù)之中的規(guī)律，借助它解決學(xué)習(xí)和生活中的實(shí)際問(wèn)題。

學(xué)習(xí)內(nèi)容分析

本課是蘇科版七年級(jí)初中信息技術(shù)第三章第3節(jié)的內(nèi)容，主要包括“數(shù)據(jù)挖掘的作用”和“數(shù)據(jù)挖掘的過(guò)程”兩個(gè)部分，可深入細(xì)分為“什么是數(shù)據(jù)挖掘”“數(shù)據(jù)準(zhǔn)備”“數(shù)據(jù)挖掘”“規(guī)律表示”四個(gè)內(nèi)容。教學(xué)中，為了讓學(xué)生深刻體會(huì)數(shù)據(jù)挖掘的意義和價(jià)值，教師應(yīng)鼓勵(lì)他們對(duì)數(shù)據(jù)進(jìn)行多角度加工與分析，找到規(guī)律或有用的信息，用恰當(dāng)?shù)姆绞街庇^地表達(dá)出來(lái)，學(xué)會(huì)搜集、分析身邊的數(shù)據(jù)，用數(shù)據(jù)說(shuō)話，讓數(shù)據(jù)挖掘更好地服務(wù)于生活與學(xué)習(xí)。

教學(xué)目標(biāo)

知識(shí)與技能目標(biāo)：理解數(shù)據(jù)挖掘的概念，體會(huì)數(shù)據(jù)挖掘的作用。

過(guò)程與方法目標(biāo)：嘗試進(jìn)行數(shù)據(jù)挖掘，經(jīng)歷數(shù)據(jù)挖掘的一般過(guò)程。

情感態(tài)度與價(jià)值觀目標(biāo)：樹(shù)立用數(shù)據(jù)說(shuō)話、用數(shù)據(jù)指導(dǎo)生活的思想意識(shí)。

教學(xué)重難點(diǎn)

重點(diǎn)：數(shù)據(jù)挖掘的概念及數(shù)據(jù)挖掘的一般過(guò)程。

難點(diǎn)：數(shù)據(jù)準(zhǔn)備及挖掘的過(guò)程。

教學(xué)策略

數(shù)據(jù)挖掘是一種強(qiáng)大的分析數(shù)據(jù)的方法，因涉及到專業(yè)軟件和統(tǒng)計(jì)學(xué)術(shù)語(yǔ)、數(shù)學(xué)模型等，會(huì)讓學(xué)生難以理解。而日常使用的WPS表格，作為數(shù)據(jù)挖掘的有效工具，可以讓學(xué)生在分析具體數(shù)據(jù)的過(guò)程中，掌握數(shù)據(jù)挖掘的方法。因此，本節(jié)課教學(xué)應(yīng)讓學(xué)生從已有經(jīng)驗(yàn)出發(fā)，運(yùn)用WPS表格中的簡(jiǎn)單工具，學(xué)習(xí)數(shù)據(jù)挖掘的一般方法。

“數(shù)據(jù)挖掘”對(duì)學(xué)生而言，是一個(gè)全新的概念，概念的建構(gòu)需要一步步地不斷累積，從表層到內(nèi)涵，逐步深化。學(xué)生只有在了解了“數(shù)據(jù)挖掘”的基本含義，并嘗試挖掘的基礎(chǔ)上，才能體會(huì)其作用和意義。所以，筆者設(shè)計(jì)了層層遞進(jìn)的學(xué)習(xí)活動(dòng)（情境再現(xiàn)，感受數(shù)據(jù)挖掘―案例研習(xí)，認(rèn)識(shí)數(shù)據(jù)挖掘―比較空氣質(zhì)量，嘗試數(shù)據(jù)挖掘―同比空氣質(zhì)量，再探數(shù)據(jù)挖掘―暢想未來(lái)，展望數(shù)據(jù)挖掘），并且在活動(dòng)中適時(shí)搭建學(xué)習(xí)所需的“支架”，來(lái)幫助學(xué)生完成知識(shí)的建構(gòu)。筆者通過(guò)一系列的活動(dòng)，讓學(xué)生在做中學(xué)，在學(xué)中思，在思中用，在情境化的技術(shù)活動(dòng)中，歸納出數(shù)據(jù)挖掘的方法，從而樹(shù)立用數(shù)據(jù)說(shuō)話、用數(shù)據(jù)指導(dǎo)生活的思想意識(shí)。

教學(xué)過(guò)程

1.情境再現(xiàn)，感受數(shù)據(jù)挖掘

活動(dòng)1：情境再現(xiàn)，感受數(shù)據(jù)挖掘。

①猜一猜：不同的人群瀏覽同一個(gè)網(wǎng)頁(yè)時(shí)，所看到的內(nèi)容是否一致。

②觀察鳳凰網(wǎng)的廣告區(qū)域截圖，在組內(nèi)交流（如下頁(yè)圖1，不同人群瀏覽的同一網(wǎng)頁(yè)，推送的廣告不同）。

③京東為什么能夠根據(jù)個(gè)人喜好推送商品？

小結(jié)：京東在挖掘和分析用戶瀏覽行為的基礎(chǔ)上，進(jìn)行定向產(chǎn)品推廣。

設(shè)計(jì)意圖：思維總是由問(wèn)題開(kāi)始的，激發(fā)問(wèn)題，能讓學(xué)生積極主動(dòng)地參與到學(xué)習(xí)活動(dòng)中。以京東廣告推送功能來(lái)設(shè)置情境，把兩種不同的瀏覽行為對(duì)照比較，設(shè)置懸念，第一時(shí)間抓住學(xué)生，激發(fā)學(xué)生學(xué)習(xí)新知識(shí)、新技術(shù)的渴望。

2.案例研習(xí)，認(rèn)識(shí)數(shù)據(jù)挖掘

活動(dòng)2：學(xué)生觀看視頻，并思考、總結(jié)。

①安保為什么使用熱力圖（如圖2）？（對(duì)百度的定位數(shù)據(jù)、搜索數(shù)據(jù)進(jìn)行挖掘，把握人群密集點(diǎn)動(dòng)態(tài)趨勢(shì)，幫助警方提前疏導(dǎo)、化解安全風(fēng)險(xiǎn)）

②百度大數(shù)據(jù)對(duì)旅游有什么作用（如圖3）？（對(duì)用戶搜索數(shù)據(jù)深入挖掘，預(yù)測(cè)熱門旅游景點(diǎn)）

③導(dǎo)航是如何規(guī)劃路徑的（如圖4）？（對(duì)道路環(huán)境、天氣情況、特征日等數(shù)據(jù)進(jìn)行挖掘和分析，得出每條道路在不同環(huán)境或不同時(shí)間的路況規(guī)律，確定最優(yōu)的交通路線）

師生對(duì)數(shù)據(jù)進(jìn)行分析、總結(jié)（如表1）。

小結(jié)：數(shù)據(jù)挖掘是指從大量數(shù)據(jù)中尋找其規(guī)律的技術(shù)。數(shù)據(jù)挖掘的目的主要有三個(gè)：把握趨勢(shì)、預(yù)測(cè)和求最優(yōu)解。

設(shè)計(jì)意圖：選取日常生活中運(yùn)用數(shù)據(jù)挖掘的三個(gè)典型事例視頻――熱力圖、旅游預(yù)測(cè)、導(dǎo)航，借助半成品表格作為輸出支架，歸納出數(shù)據(jù)挖掘的概念和數(shù)據(jù)挖掘的三個(gè)目的。體會(huì)挖掘數(shù)據(jù)價(jià)值性的同時(shí)，認(rèn)識(shí)數(shù)據(jù)加工的重要性，為數(shù)據(jù)挖掘的學(xué)習(xí)做好鋪墊。

3.比較空氣質(zhì)量，嘗試數(shù)據(jù)挖掘

師：圖5中空氣質(zhì)量預(yù)報(bào)實(shí)現(xiàn)了數(shù)據(jù)挖掘的哪一種目標(biāo)？（把握趨勢(shì)）鹽城市空氣質(zhì)量如何？借助熟悉的WPS表格工具，嘗試挖掘空氣質(zhì)量狀況。

活動(dòng)3：比較鹽城、秦州、淮安等周邊城市空氣質(zhì)量狀況。

①登錄中國(guó)空氣質(zhì)量在線監(jiān)測(cè)分析平臺(tái)（http：///historydata/），建立鹽城周邊三市空氣質(zhì)量狀況工作表（如圖6）。

影響空氣質(zhì)量的因素很多，AQI指數(shù)是衡量空氣質(zhì)量的重要指標(biāo)。

教師演示：瀏覽數(shù)據(jù)，提取數(shù)據(jù)，組成工作表（如圖7）。

②計(jì)算各市4月份空氣質(zhì)量指數(shù)AQI的平均數(shù)。（提示：AVERAGE公式使用方法以及自動(dòng)填充柄的使用）

③比較4月份空氣質(zhì)量狀況。（結(jié)論：質(zhì)量指數(shù)平均值大小依次是鹽城、秦州、淮安）

師：根據(jù)質(zhì)量指數(shù)，利用函數(shù)工具計(jì)算平均數(shù)，得出空氣質(zhì)量狀況，其實(shí)就是數(shù)據(jù)的挖掘。數(shù)據(jù)挖掘的一般過(guò)程如圖8所示。

設(shè)計(jì)意圖：從全國(guó)空氣質(zhì)量在線監(jiān)測(cè)分析平臺(tái)搜集數(shù)據(jù)，選擇WPS函數(shù)工具挖掘數(shù)據(jù)，并對(duì)挖掘結(jié)果加以解釋，來(lái)建構(gòu)數(shù)據(jù)挖掘的一般過(guò)程。在嘗試數(shù)據(jù)挖掘的過(guò)程中，學(xué)會(huì)運(yùn)用計(jì)算思維解決問(wèn)題，借助流程圖總結(jié)挖掘過(guò)程，有助于學(xué)生從整體上把握知識(shí)，進(jìn)一步促進(jìn)認(rèn)知體系的構(gòu)建。

4.同比空氣質(zhì)量，再探數(shù)據(jù)挖掘

師：通過(guò)挖掘比較，我們得出鹽城市4月份空氣質(zhì)量在周邊城市當(dāng)中最好，各市以前的空氣質(zhì)量狀況如何？

活動(dòng)4：比較各市2014年、2015年空氣質(zhì)量數(shù)據(jù)，說(shuō)明哪一年空氣質(zhì)量更好（如圖9）。

①在選定城市后，思考如何同比質(zhì)量。

②選取函數(shù)或圖表工具，完成挖掘。

③規(guī)律表示。

④從“我的數(shù)據(jù)分析報(bào)告”中的各組中任選城市，從“2014年數(shù)據(jù)、2015年數(shù)據(jù)”工作表中，選取數(shù)據(jù)到“同比空氣質(zhì)量”進(jìn)行分析（如下頁(yè)表2）。

小組匯報(bào)挖掘過(guò)程和得出的結(jié)論，形成對(duì)數(shù)據(jù)挖掘的新認(rèn)識(shí)。

小結(jié)：用平均數(shù)比較，各市兩年的數(shù)據(jù)基本相同，但是合格月份數(shù)不一定相同，同比AQI低的月份數(shù)也不相同。學(xué)生同比之后發(fā)現(xiàn)，2015年空氣質(zhì)量好于2014年。

設(shè)計(jì)意圖：學(xué)生借助分析報(bào)告，以分組合作的形式，再次經(jīng)歷挖掘數(shù)據(jù)的過(guò)程，找到規(guī)律或有用的信息，加深對(duì)挖掘過(guò)程的理解。鼓勵(lì)學(xué)生對(duì)數(shù)據(jù)進(jìn)行多角度的加工與分析，選擇合適的工具進(jìn)行挖掘，體現(xiàn)了多元化的思想。

5.暢想未來(lái)，展望數(shù)據(jù)挖掘

觀看視頻（如上頁(yè)圖10，圖10中左圖為京東慧眼的視頻截圖，右圖為基因測(cè)序的視頻截圖），想象：數(shù)據(jù)挖掘技術(shù)的廣泛應(yīng)用，對(duì)生活會(huì)產(chǎn)生怎樣的影響？

如今，數(shù)據(jù)挖掘改變了傳統(tǒng)的生活模式，未來(lái)將會(huì)產(chǎn)生更加深遠(yuǎn)的影響。因此，我們應(yīng)學(xué)會(huì)搜集、分析身邊的數(shù)據(jù)，用數(shù)據(jù)說(shuō)話，挖掘數(shù)據(jù)創(chuàng)造出更智慧的生活方式。

設(shè)計(jì)意圖：通過(guò)視頻播放，讓學(xué)生深度感受“數(shù)據(jù)挖掘”與生活息息相關(guān)，挖掘數(shù)據(jù)將給人們生活帶來(lái)的改變，培養(yǎng)學(xué)生搜集、分析身邊的數(shù)據(jù)，用數(shù)據(jù)說(shuō)話的意識(shí)。

點(diǎn) 評(píng)

如今，數(shù)據(jù)挖掘已被廣泛應(yīng)用在各個(gè)領(lǐng)域。什么是數(shù)據(jù)挖掘？顧名思義就是從龐大的數(shù)據(jù)中挖掘?qū)毑兀ㄐ畔?、知識(shí)、見(jiàn)解等）的方法和過(guò)程。顯然，對(duì)于初學(xué)者而言，這是一個(gè)全新的概念，僅靠上述說(shuō)明難以理解它的含義。在傳統(tǒng)教學(xué)中，教師往往讓學(xué)生背誦記憶這些內(nèi)容，學(xué)生并沒(méi)有形成概念的深層理解。為此，董老師從理解數(shù)據(jù)挖掘出發(fā)，選取數(shù)據(jù)挖掘的三個(gè)典型事例――熱力圖、旅游預(yù)測(cè)、導(dǎo)航，精心組織學(xué)習(xí)活動(dòng)，在半成品表格的引導(dǎo)下，歸納出數(shù)據(jù)挖掘的三個(gè)目的――把握趨勢(shì)、預(yù)測(cè)和求最優(yōu)解，體會(huì)挖掘數(shù)據(jù)的價(jià)值，進(jìn)而概括出數(shù)據(jù)挖掘的概念。

第3篇：數(shù)據(jù)挖掘總結(jié)范文

關(guān)鍵詞：云計(jì)算概述；數(shù)據(jù)挖掘；平臺(tái)架構(gòu)

中圖分類號(hào)：TP311.13

隨著經(jīng)濟(jì)的發(fā)展和科技的進(jìn)步，手機(jī)、電腦在中國(guó)隨處可見(jiàn)，互聯(lián)網(wǎng)甚至是移動(dòng)互聯(lián)網(wǎng)融入了人們的日常生活，互聯(lián)網(wǎng)中無(wú)法估量的大量數(shù)據(jù)不斷增長(zhǎng)，愈演愈烈，面對(duì)著海一般的數(shù)據(jù)信息，人們不能準(zhǔn)確的找到自己想要的數(shù)據(jù)，像手機(jī)APP，手游等移動(dòng)互聯(lián)網(wǎng)產(chǎn)品，每天都承載著非常多的數(shù)據(jù)，對(duì)運(yùn)營(yíng)商而言，如何進(jìn)行數(shù)據(jù)分析以及數(shù)據(jù)挖掘成為一個(gè)亟待解決的難題。

較于傳統(tǒng)數(shù)據(jù)處理系統(tǒng)，云計(jì)算系統(tǒng)的出現(xiàn)讓人眼前一亮，基于云的數(shù)據(jù)挖掘平臺(tái)的建構(gòu)為數(shù)據(jù)挖掘開(kāi)辟了一條新路，云計(jì)算提供一個(gè)虛擬的平臺(tái)，用戶可以在任何地區(qū)運(yùn)用任何終端選擇自己想要的數(shù)據(jù)，而大規(guī)模的數(shù)據(jù)本身就存在一些問(wèn)題，數(shù)據(jù)挖掘存在難度，本文就云計(jì)算的數(shù)據(jù)挖掘進(jìn)行具體的分析如下：

1 云計(jì)算概述

一直以來(lái)云計(jì)算都沒(méi)有一個(gè)統(tǒng)一明確的定義，根據(jù)多數(shù)人對(duì)云計(jì)算的定義，總結(jié)出以下兩方面：（1）云計(jì)算通俗一點(diǎn)說(shuō)就是一個(gè)資源盤，其擁有數(shù)以萬(wàn)計(jì)的可用虛擬資源，有些虛擬資源擁有不同的負(fù)載量，云計(jì)算的優(yōu)勢(shì)就是可用將這些負(fù)載量不同的資源進(jìn)行新的合理分配；（2）就用戶而言云計(jì)算的服務(wù)是方便簡(jiǎn)單的，且透明化，用戶的最終目的是在云計(jì)算中獲取想要的數(shù)據(jù)和服務(wù)，用戶不用在意云計(jì)算本身的運(yùn)行機(jī)制，然而云計(jì)算的系統(tǒng)也是存在隱患的，如果一個(gè)規(guī)模龐大的計(jì)算機(jī)群在運(yùn)作的過(guò)程中仍然不間斷的增加計(jì)算機(jī)的數(shù)量，那么云計(jì)算系統(tǒng)可能會(huì)出錯(cuò)甚至系統(tǒng)崩潰，可見(jiàn)單純依靠硬件設(shè)施是不可取的，此時(shí)需要可靠的軟件發(fā)揮作用，需使用冗余和分布式存儲(chǔ)的方式，云計(jì)算系統(tǒng)另一個(gè)優(yōu)勢(shì)就是擁有自我檢測(cè)系統(tǒng)模式，該模式在不影響正常運(yùn)行的情況下，可以檢測(cè)出無(wú)效節(jié)點(diǎn)并進(jìn)行刪除，總之，云計(jì)算系統(tǒng)數(shù)據(jù)多、存儲(chǔ)能力強(qiáng)、計(jì)算能力快且準(zhǔn)確率高，給用戶帶來(lái)高效、優(yōu)質(zhì)的服務(wù)。

經(jīng)過(guò)一直以來(lái)對(duì)云計(jì)算的研究總結(jié)其特點(diǎn)有五個(gè)方面，分別是虛擬化、通用性、擴(kuò)展性強(qiáng)且規(guī)模大、可靠性高、經(jīng)濟(jì)性好等特點(diǎn)，具體來(lái)說(shuō)就是云計(jì)算不是個(gè)實(shí)物，是個(gè)虛擬的擁有海量數(shù)據(jù)的平臺(tái)，用戶可以在世界的任何位置通過(guò)任何終端獲取想要的數(shù)據(jù)信息和服務(wù)；云計(jì)算沒(méi)有局限性，在云計(jì)算下可以構(gòu)建出不同的應(yīng)用，而且這些應(yīng)用可同時(shí)運(yùn)行；在不影響用戶正常使用的情況下，云計(jì)算是可以擴(kuò)展的，而且是動(dòng)態(tài)擴(kuò)展，現(xiàn)今最多可擴(kuò)展幾十萬(wàn)臺(tái)電腦，整個(gè)擴(kuò)展過(guò)程用戶是可以看到的，是對(duì)外的；為了保證服務(wù)的質(zhì)量和可靠性，云計(jì)算運(yùn)用了多種方法如多副本容錯(cuò)和多計(jì)算節(jié)點(diǎn)同構(gòu)可互換等；云計(jì)算由于自身的優(yōu)勢(shì)運(yùn)用大量廉價(jià)節(jié)點(diǎn)構(gòu)成云，采用自動(dòng)化集中式管理機(jī)制，解決企業(yè)高昂的數(shù)據(jù)中心成本，較于傳統(tǒng)系統(tǒng)云計(jì)算系統(tǒng)成本較低。

2 數(shù)據(jù)挖掘的方式

數(shù)據(jù)挖掘是一個(gè)循環(huán)反復(fù)、不斷調(diào)整和修改的過(guò)程，這個(gè)過(guò)程漫長(zhǎng)且復(fù)雜。從數(shù)據(jù)預(yù)處理到數(shù)據(jù)挖掘再到評(píng)估和表示這是數(shù)據(jù)挖掘的整個(gè)過(guò)程，數(shù)據(jù)挖掘的過(guò)程中方法很多，歸納如下：（1）廣義知識(shí)挖掘，廣義知識(shí)被挖掘出來(lái)后，與可視化技術(shù)相結(jié)合，用戶可以直觀的通過(guò)圖表形式來(lái)了解；（2）關(guān)聯(lián)知識(shí)挖掘；（3）類知識(shí)挖掘，分分類和聚類兩種。決策樹(shù)、神經(jīng)網(wǎng)絡(luò)、貝葉斯分類、支持向量機(jī)、遺傳算法與進(jìn)化理論、粗糙集、關(guān)聯(lián)分類、類比學(xué)習(xí)、模糊集等為分類法。聚類法包括五種，分別是基于劃分、密度、層次、模型及網(wǎng)格的不同方法；（4）預(yù)測(cè)型知識(shí)挖掘，包括一些方法和技術(shù)，方法有經(jīng)典的統(tǒng)計(jì)方法，技術(shù)包括神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)技術(shù)；（5）特異型知識(shí)挖掘，所謂特異型指特殊的背離常規(guī)的異常規(guī)律。包括三個(gè)類別，分別是孤立點(diǎn)分析、序列異常分析和特異規(guī)則發(fā)現(xiàn)；（6）自定義數(shù)據(jù)挖掘算法。

數(shù)據(jù)挖掘的過(guò)程以及方法可以通過(guò)圖1直觀的了解。

3 基于云的數(shù)據(jù)挖掘平臺(tái)架構(gòu)

針對(duì)傳統(tǒng)數(shù)據(jù)挖掘平臺(tái)而言，云計(jì)算的產(chǎn)生對(duì)其影響很大，云計(jì)算的分布式存儲(chǔ)和計(jì)算使數(shù)據(jù)挖掘開(kāi)始變革，數(shù)據(jù)挖掘云服務(wù)只有基于云計(jì)算平臺(tái)才能得以實(shí)現(xiàn)，其設(shè)計(jì)思想是分層設(shè)計(jì)，思路是面向組件設(shè)計(jì)，整個(gè)平臺(tái)自下向上分為三層，最下面一層也是最基礎(chǔ)的一層是云計(jì)算支撐平臺(tái)層，再往上一層是數(shù)據(jù)挖掘能力層，最頂層是數(shù)據(jù)挖掘云服務(wù)層。

云計(jì)算支撐平臺(tái)層的功能主要是提供數(shù)據(jù)的分布式存儲(chǔ)和計(jì)算，最底層構(gòu)建可以以企業(yè)自主研發(fā)的云計(jì)算平臺(tái)為基礎(chǔ) ，也可以以第三方提供的云計(jì)算平臺(tái)為基礎(chǔ)。

數(shù)據(jù)挖掘能力層的能力有算法服務(wù)管理、調(diào)度引起、數(shù)據(jù)并行處理框架等，這些都是基礎(chǔ)能力，數(shù)據(jù)挖掘能力層支撐著它的上一層（數(shù)據(jù)挖掘云服務(wù)層）。這層不但支持內(nèi)部數(shù)據(jù)挖掘算法和推薦算法庫(kù)，對(duì)于外在的第三方數(shù)據(jù)挖掘算數(shù)法也可以接入。

最頂層數(shù)據(jù)挖掘云服務(wù)層的主要功能是為外在企業(yè)和個(gè)人提供數(shù)據(jù)挖掘云服務(wù)，其涵蓋多種多樣的服務(wù)能力封裝的接口形式，例如針對(duì)于簡(jiǎn)單對(duì)象的訪問(wèn)協(xié)議簡(jiǎn)稱SOAP的XML等，本地應(yīng)用程序編程接口也是其形式之一，基于結(jié)構(gòu)化查詢語(yǔ)言語(yǔ)句的訪問(wèn)在數(shù)據(jù)挖掘云服務(wù)層也是支持的，同時(shí)此層還提供解析引擎和自動(dòng)調(diào)用云服務(wù)。

總之，基于云計(jì)算的數(shù)據(jù)挖掘平臺(tái)從很多方面是優(yōu)于傳統(tǒng)數(shù)據(jù)挖掘平臺(tái)的，如大規(guī)模數(shù)據(jù)處理能力、數(shù)據(jù)動(dòng)態(tài)擴(kuò)展能力以及低廉的云服務(wù)和成本等。

4 云計(jì)算關(guān)鍵技術(shù)

如今大量數(shù)據(jù)挖掘最直接有效的方法是分布式計(jì)算方法，這個(gè)方法包括兩部分一部分是分布式數(shù)據(jù)存儲(chǔ)，一部分是分布式并行計(jì)算，現(xiàn)在的云計(jì)算平臺(tái)已經(jīng)涵蓋了這兩部分的能力，這兩部分是云計(jì)算數(shù)據(jù)挖掘平臺(tái)的核心支撐能力，GFS、KFS、HDFS等三種分布式文件系統(tǒng)是目前比較受歡迎的分布式文件系統(tǒng)，Google公司的分布式文件系統(tǒng)理論是三者的理論基礎(chǔ)，KFS、HDFS兩種分布式文件系統(tǒng)多被用于商業(yè)和學(xué)術(shù)領(lǐng)域。

分布式并行計(jì)算框架在分布式計(jì)算方法中非常重要，其在計(jì)算過(guò)程中封裝了一些技術(shù)細(xì)節(jié)，如任務(wù)調(diào)度、任務(wù)容錯(cuò)等，這樣便捷了用戶，用戶只要把握好任務(wù)間的邏輯關(guān)系，不必注意這些技術(shù)細(xì)節(jié)，目前較為廣泛應(yīng)用的分布式計(jì)算框架有并行計(jì)算框架Mapreduce和迭代處理計(jì)算框架Pregel這兩者都由谷歌公司提出，還有微軟公司研發(fā)的Dryad。

5 結(jié)束語(yǔ)

隨著互聯(lián)網(wǎng)和移動(dòng)互聯(lián)網(wǎng)時(shí)代的到來(lái)，海量復(fù)雜的數(shù)據(jù)處理與數(shù)據(jù)挖掘困擾著各大運(yùn)營(yíng)商，與傳統(tǒng)數(shù)據(jù)系統(tǒng)相比，云計(jì)算優(yōu)勢(shì)明顯，強(qiáng)大動(dòng)態(tài)擴(kuò)展能力、獨(dú)特的分布式存儲(chǔ)和計(jì)算方法、以及低廉的成本優(yōu)勢(shì)吸引了越來(lái)越多企業(yè)和個(gè)人，基于云的數(shù)據(jù)挖掘平臺(tái)，企業(yè)和運(yùn)行商都因此減少了數(shù)據(jù)挖掘方面的資金投入，對(duì)這些企業(yè)來(lái)說(shuō)無(wú)疑是減小了生產(chǎn)成本。

參考文獻(xiàn)：

[1]丁巖，楊慶平，錢煜明.基于云計(jì)算的數(shù)據(jù)挖掘平臺(tái)架構(gòu)及其關(guān)鍵技術(shù)研究[J].中興通訊技術(shù)，2013（01）.

第4篇：數(shù)據(jù)挖掘總結(jié)范文

關(guān)鍵詞：煙草行業(yè)；質(zhì)量管理；數(shù)據(jù)挖掘

煙草行業(yè)在我國(guó)市場(chǎng)經(jīng)濟(jì)發(fā)展中迅速壯大起來(lái)，同時(shí)行業(yè)間的競(jìng)爭(zhēng)也越來(lái)越激烈，如何在激烈的競(jìng)爭(zhēng)中占據(jù)主動(dòng)是廣大煙草企業(yè)領(lǐng)導(dǎo)者關(guān)心的問(wèn)題。加強(qiáng)質(zhì)量管理，提高煙草產(chǎn)品質(zhì)量，在很大程度上能夠提升企業(yè)競(jìng)爭(zhēng)力。采用數(shù)據(jù)挖掘技術(shù)，利用大數(shù)據(jù)對(duì)行業(yè)發(fā)展規(guī)律進(jìn)行分析，對(duì)質(zhì)量管理過(guò)程進(jìn)行有效地監(jiān)測(cè)，提高企業(yè)質(zhì)量管理的水平，促進(jìn)煙草企業(yè)持續(xù)發(fā)展。

一、數(shù)據(jù)挖掘技術(shù)概述

所謂的數(shù)據(jù)挖掘技術(shù)，就是從大量模糊的數(shù)據(jù)中，將其隱含的具有價(jià)值的信息提煉出來(lái)，在一定程度上與數(shù)據(jù)庫(kù)、數(shù)據(jù)融合等概念具有相似性?；谕诰蛉蝿?wù)的視角出發(fā)，數(shù)據(jù)挖掘技術(shù)更加強(qiáng)調(diào)對(duì)相關(guān)數(shù)據(jù)的聚類以及關(guān)聯(lián)性分析，同時(shí)對(duì)大量數(shù)據(jù)進(jìn)行整理、歸納，以便做出準(zhǔn)確的預(yù)測(cè)任務(wù)。現(xiàn)階段，常用的數(shù)據(jù)挖掘技術(shù)包括遺傳算法、統(tǒng)計(jì)分析法、神經(jīng)網(wǎng)絡(luò)法、模糊算法等等。在具體的使用過(guò)程中，首先應(yīng)該根據(jù)業(yè)務(wù)的性質(zhì)進(jìn)行重新定義，明確任務(wù)目標(biāo)，然后做好相關(guān)的準(zhǔn)備工作，確保數(shù)據(jù)的完整性；隨后進(jìn)行數(shù)據(jù)挖掘以及數(shù)據(jù)分析，將收集的數(shù)據(jù)進(jìn)行整理、分析，得到目標(biāo)數(shù)據(jù)信息；最后，在業(yè)務(wù)處理工作中對(duì)這些數(shù)據(jù)信息進(jìn)行妥善的應(yīng)用。

二、煙草行業(yè)質(zhì)量管理現(xiàn)狀

現(xiàn)階段，消費(fèi)者對(duì)煙草行業(yè)質(zhì)量的要求越來(lái)越嚴(yán)格，外部環(huán)境控?zé)熞笠苍絹?lái)越緊迫，盡管在市場(chǎng)經(jīng)濟(jì)的良好環(huán)境下，煙草行業(yè)無(wú)論從規(guī)模、數(shù)量還是設(shè)備上都得到了顯著的提升，但是在此過(guò)程中也形成了大量的數(shù)據(jù)信息。在企業(yè)質(zhì)量管理過(guò)程中，主要缺陷體現(xiàn)在以下幾個(gè)方面：第一，在質(zhì)量管理過(guò)程中，采用傳統(tǒng)的數(shù)據(jù)處理方式，導(dǎo)致質(zhì)量管理部門工作量龐大，數(shù)據(jù)處理結(jié)果的準(zhǔn)確性也不高；第二，煙草行業(yè)質(zhì)量管理方式相對(duì)滯后，對(duì)數(shù)據(jù)的分析不夠科學(xué)，導(dǎo)致采用不科學(xué)的數(shù)據(jù)結(jié)果對(duì)煙草質(zhì)量進(jìn)行評(píng)價(jià)，導(dǎo)致煙草企業(yè)質(zhì)量管理整體質(zhì)量受到影響。第三，質(zhì)量管理中缺少反饋內(nèi)容，使煙草行業(yè)無(wú)法及時(shí)發(fā)現(xiàn)其中存在的問(wèn)題并做好相應(yīng)對(duì)策以及改進(jìn)與預(yù)防工作。第四，傳統(tǒng)質(zhì)量管理更側(cè)重于某個(gè)生產(chǎn)環(huán)節(jié)，忽視全局管理，而煙草行業(yè)本身規(guī)模較大且在不同地域中都涉及較多的質(zhì)量管理部門，很多質(zhì)量信息需在較長(zhǎng)時(shí)間內(nèi)完成流通。對(duì)此，便需引入數(shù)據(jù)挖掘中的關(guān)聯(lián)與聚類分析，其中的關(guān)聯(lián)規(guī)則可將數(shù)據(jù)項(xiàng)關(guān)聯(lián)關(guān)系充分挖掘出來(lái)，在質(zhì)量管理中更集中體現(xiàn)在產(chǎn)品質(zhì)量預(yù)期特性值的關(guān)系。

三、數(shù)據(jù)挖掘技術(shù)在煙草行業(yè)質(zhì)量管理中的應(yīng)用

加強(qiáng)對(duì)數(shù)據(jù)挖掘技術(shù)在煙草行業(yè)質(zhì)量管理工作中應(yīng)用的研究，對(duì)煙草企業(yè)質(zhì)量管理工作具有重要意義，對(duì)煙草行業(yè)的發(fā)展也具有促進(jìn)作用。在具體分析研究過(guò)程中，一般從供應(yīng)商、適量反饋以及生產(chǎn)過(guò)程三個(gè)角度出發(fā)：

1.基于對(duì)供應(yīng)商評(píng)價(jià)的角度

煙草產(chǎn)品生產(chǎn)過(guò)程中需要大量的原材料，并且原材料的種類相對(duì)較多，包括煙葉原材料以及一些輔助的材料。這些材料的質(zhì)量在很大程度上決定了煙草產(chǎn)品的整體質(zhì)量。供應(yīng)商在某種意義上對(duì)原材料質(zhì)量起著重要作用，煙草企業(yè)還需要與供應(yīng)商建立良好的關(guān)系。煙草企業(yè)的相關(guān)部門需要將供應(yīng)商提供的原材料信息進(jìn)行有效地統(tǒng)計(jì)、儲(chǔ)存，同時(shí)將原材料的合格率作為主要的評(píng)價(jià)依據(jù)。根據(jù)數(shù)據(jù)挖掘技術(shù)中的關(guān)聯(lián)規(guī)則，將一種原材料對(duì)應(yīng)所有的原材料供應(yīng)商，收集并分析所有供應(yīng)商提供的數(shù)據(jù)信息中該原材料的合格率，從而選擇最佳的原材料供應(yīng)商，為煙草質(zhì)量提供保障。

2.基于質(zhì)量反饋的角度

質(zhì)量反饋就是客戶對(duì)一件產(chǎn)品質(zhì)量使用后的總結(jié)性評(píng)價(jià)，通過(guò)有效地質(zhì)量反饋，煙草企業(yè)能夠?qū)煵萆a(chǎn)過(guò)程、生產(chǎn)工藝、服務(wù)水平等進(jìn)行整改。根據(jù)相關(guān)研究資料顯示：在能夠創(chuàng)造同樣價(jià)值的基礎(chǔ)上，新客戶發(fā)展涉及的成本往往是維持與老客戶關(guān)系涉及的成本的五倍，但若由老客戶將企業(yè)口碑向新客戶傳遞將獲得更大的競(jìng)爭(zhēng)優(yōu)勢(shì)，所以企業(yè)發(fā)展中維持老客戶的關(guān)鍵在于使顧客滿意度得以提高。利用數(shù)據(jù)挖掘技術(shù)，對(duì)顧客反饋的信息進(jìn)行科學(xué)化的分析與管理，總結(jié)客戶對(duì)產(chǎn)品質(zhì)量的意見(jiàn)，同時(shí)分析出造成這個(gè)質(zhì)量問(wèn)題產(chǎn)生的原因，以便企業(yè)能夠提出針對(duì)性的措施，幫助企業(yè)質(zhì)量管理水平的提升，也能夠?yàn)闊煵萜髽I(yè)迎來(lái)更大的經(jīng)濟(jì)利潤(rùn)，讓煙草企業(yè)在激烈競(jìng)爭(zhēng)中立于不敗之地。

3.煙草生產(chǎn)過(guò)程中數(shù)據(jù)挖掘技術(shù)的應(yīng)用

在卷煙生產(chǎn)過(guò)程中，煙絲質(zhì)量是備受關(guān)注的問(wèn)題，煙絲質(zhì)量不僅會(huì)受到化學(xué)成分的影響，在生產(chǎn)過(guò)程中的一些工藝、操作也會(huì)對(duì)其質(zhì)量造成影響。在煙絲制作過(guò)程中需要經(jīng)過(guò)多重工序，同時(shí)涉及配方、含雜量等諸多因素，這一過(guò)程就會(huì)產(chǎn)生大量的數(shù)據(jù)。因此，需要利用數(shù)據(jù)挖掘技術(shù)，對(duì)煙草生產(chǎn)過(guò)程產(chǎn)生的數(shù)據(jù)進(jìn)行存儲(chǔ)、分析，利用神經(jīng)網(wǎng)絡(luò)技術(shù)分析導(dǎo)致煙絲質(zhì)量問(wèn)題的原因，不斷地優(yōu)化生產(chǎn)工藝參數(shù)，同時(shí)利用聚類分析手段，對(duì)加工過(guò)程與煙絲質(zhì)量的關(guān)系進(jìn)行分析，促進(jìn)煙草產(chǎn)品質(zhì)量的提升。

四、總結(jié)

通過(guò)上述分析可知，煙草行業(yè)在市場(chǎng)經(jīng)濟(jì)發(fā)展中迅速發(fā)展起來(lái)，已經(jīng)逐漸成為我國(guó)支柱型產(chǎn)業(yè)。然而在煙草行業(yè)質(zhì)量管理過(guò)程中，由于對(duì)海量數(shù)據(jù)處理技術(shù)滯后，給煙草企業(yè)重大決策以及煙草產(chǎn)品質(zhì)量都造成重大影響。數(shù)據(jù)挖掘技術(shù)的應(yīng)用，不僅能夠幫助企業(yè)選擇最佳合適的原材料供應(yīng)商，還能夠及時(shí)地發(fā)現(xiàn)產(chǎn)品質(zhì)量問(wèn)題，以便對(duì)產(chǎn)品生產(chǎn)工藝進(jìn)行優(yōu)化，提高煙草產(chǎn)品質(zhì)量，促進(jìn)煙草行業(yè)健康發(fā)展。

作者:焦麗靜 單位:河北中煙工業(yè)有限責(zé)任公司

參考文獻(xiàn)

[1]張麗榮.數(shù)據(jù)挖掘在煙草行業(yè)質(zhì)量管理中的應(yīng)用[J].科技創(chuàng)新與應(yīng)用，2012，25（8）：124-125.

[2]李卓.試析數(shù)據(jù)挖掘技術(shù)在煙草行業(yè)中的應(yīng)用[J].旅游總覽，2014，26（2）：99-100.

第5篇：數(shù)據(jù)挖掘總結(jié)范文

關(guān)鍵詞：檔案信息管理系統(tǒng) 計(jì)算機(jī) 數(shù)據(jù)挖掘技術(shù) 應(yīng)用

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2015）11-0000-00

為了探知計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)在檔案信息管理系統(tǒng)中的運(yùn)用情況，本文從三個(gè)方面進(jìn)行了分析，首先是對(duì)數(shù)據(jù)挖掘技術(shù)進(jìn)行了初步概述，然后介紹了在實(shí)際運(yùn)用當(dāng)中所取得的成效。

1 數(shù)據(jù)挖掘技術(shù)的含義與實(shí)際應(yīng)用

（1）計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)的含義。數(shù)據(jù)挖掘技術(shù)是一種全新的數(shù)據(jù)處理技術(shù)，是從數(shù)據(jù)庫(kù)中大量模糊記憶的隨機(jī)數(shù)據(jù)中選取其中所包含的符合人們需求的過(guò)程。數(shù)據(jù)挖掘過(guò)程是一個(gè)不斷循環(huán)的過(guò)程，當(dāng)一個(gè)目標(biāo)節(jié)點(diǎn)沒(méi)有達(dá)到其預(yù)期效果，信息處理系統(tǒng)自動(dòng)返回上一個(gè)目標(biāo)節(jié)點(diǎn)重新設(shè)置選取條件并執(zhí)行。通過(guò)不斷細(xì)化的目標(biāo)將達(dá)到人們工作、學(xué)習(xí)需求的信息不斷選取、再集中，并最終完成任務(wù)。（2）計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)運(yùn)用的技術(shù)。在人們進(jìn)行計(jì)算機(jī)數(shù)據(jù)挖掘的過(guò)程中，大多數(shù)情況下都是運(yùn)用數(shù)學(xué)方法，在一些特定條件下也會(huì)采用非數(shù)學(xué)方法。數(shù)學(xué)方法就是運(yùn)用數(shù)學(xué)專業(yè)語(yǔ)言表達(dá)事物的狀態(tài)、關(guān)系和過(guò)程，是一種具有高度概括性和抽象性的方法，它具有嚴(yán)密的邏輯性和可操作性。同時(shí)，在運(yùn)用計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)的過(guò)程中，還會(huì)使用到演繹法和歸納法進(jìn)行數(shù)據(jù)收集。在運(yùn)用計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)的過(guò)程中，通過(guò)對(duì)數(shù)據(jù)庫(kù)挖掘，收集符合要求的數(shù)據(jù)信息，并進(jìn)行整合分析得出一定的結(jié)果。而得出的結(jié)果在一定的條件下，是能夠運(yùn)用于信息管理等領(lǐng)域的。

2 數(shù)據(jù)挖掘技術(shù)的形式

數(shù)據(jù)挖掘通常分為兩種形式，一種是通過(guò)對(duì)數(shù)據(jù)中的包含的規(guī)則進(jìn)行描述，找出其中具有很強(qiáng)的普遍性的知識(shí)，并對(duì)其進(jìn)行初步的總結(jié)描述出這一類別事物的共同特征，我們把它稱之為描述型。另一種是通過(guò)分析已有的數(shù)據(jù)信息，并推測(cè)某一類別事物的某項(xiàng)特征或是其形成的規(guī)律，我們把它稱之為預(yù)測(cè)型。在進(jìn)行數(shù)據(jù)挖掘技術(shù)的過(guò)程中，通常會(huì)采用分類、關(guān)聯(lián)和粗糙集三種方法。

（1）分類。在進(jìn)行計(jì)算機(jī)數(shù)據(jù)挖掘時(shí)，分類是最常見(jiàn)的形式。分類通過(guò)對(duì)數(shù)據(jù)庫(kù)中龐大的信息量進(jìn)行屬性的辨別和分析，并劃分為不同的種類，分類直接決定著所收集到的數(shù)據(jù)的優(yōu)劣。在進(jìn)行種類劃分的實(shí)際操作過(guò)程當(dāng)中，依據(jù)所選數(shù)據(jù)形成的訓(xùn)練集，對(duì)一部分?jǐn)?shù)據(jù)進(jìn)行集中處理和劃分。再對(duì)剩下的數(shù)據(jù)部分進(jìn)行測(cè)試，當(dāng)測(cè)試達(dá)到預(yù)定指標(biāo)以后，再根據(jù)相應(yīng)的規(guī)則對(duì)剩下的數(shù)據(jù)部分進(jìn)行分類。在分類的進(jìn)行過(guò)程中，比較重要的幾個(gè)環(huán)節(jié)是明確其所涵蓋的范圍，辨別和分析目標(biāo)具有的屬性特征，選取相應(yīng)的算法進(jìn)行計(jì)算并將計(jì)算結(jié)果明示，設(shè)定測(cè)試集，驗(yàn)證并得出分類規(guī)則。（2）相關(guān)規(guī)則。在運(yùn)用計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)的過(guò)程中，關(guān)聯(lián)分析法里最簡(jiǎn)便、最具實(shí)用性的規(guī)則就是相關(guān)規(guī)則。相關(guān)規(guī)則能夠?qū)?shù)據(jù)進(jìn)行科學(xué)嚴(yán)謹(jǐn)?shù)姆治觯?shù)據(jù)的信息精準(zhǔn)地正確地描述出來(lái)。在相關(guān)規(guī)則的具體實(shí)踐方面，主要是對(duì)實(shí)際存在的事物進(jìn)行描寫，將其中具有相同屬性的進(jìn)行集中，分析總結(jié)出其模式。（3）粗糙集。在運(yùn)用計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)的過(guò)程中，粗糙集是用來(lái)專門研究不具有穩(wěn)定性的知識(shí)的一種數(shù)學(xué)工具。其優(yōu)勢(shì)在于無(wú)需知曉額外信息，運(yùn)用的算法簡(jiǎn)潔有效、可操作性強(qiáng)。

3 計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)在檔案信息管理系統(tǒng)中的應(yīng)用意義

（1）數(shù)據(jù)挖掘技術(shù)為檔案實(shí)體與內(nèi)容的安全性提供了保障。檔案信息是對(duì)過(guò)去的信息進(jìn)行記錄所形成的，檔案信息一般都是很珍貴的，許多檔案信息其實(shí)體更是寶貴的。一方面，這類信息由于其珍貴性，人們總是希望能將這些檔案信息盡可能的保存長(zhǎng)久，然而在事實(shí)上，人們對(duì)這些檔案的重復(fù)使用度往往很高的，這也必定會(huì)造成檔案信息的使用壽命大大降低。另一方面，檔案信息的實(shí)際內(nèi)容經(jīng)常帶有密級(jí)，如果對(duì)檔案信息的使用監(jiān)督不到位也會(huì)造成泄密，產(chǎn)生不良后果。而如果在檔案信息管理系統(tǒng)中引入數(shù)據(jù)挖掘技術(shù)，通過(guò)對(duì)檔案信息的借閱行為進(jìn)行統(tǒng)計(jì)和分析，找出不恰當(dāng)?shù)慕栝喰袨?，就可以防止惡性利用檔案和泄密等情況的出現(xiàn)，也就對(duì)檔案實(shí)體和檔案信息的安全性提供了保障。（2）數(shù)據(jù)挖掘技術(shù)可以提升檔案信息的使用效率。檔案信息大都是帶有一定的密級(jí)的，其借閱范圍都有相對(duì)明確的規(guī)定。隨著時(shí)代的進(jìn)步，雖然國(guó)家放寬了借閱檔案的限制，但由于人們對(duì)于檔案的認(rèn)知水平存在滯后性，許多檔案管理部門對(duì)于檔案的借閱還是被動(dòng)式的，有人提出借閱申請(qǐng)，工作人員就根據(jù)規(guī)章制度適當(dāng)?shù)靥峁n案信息，主動(dòng)性很低。但是，如果在檔案信息管理系統(tǒng)中引入數(shù)據(jù)挖掘技術(shù)，通過(guò)與檔案借閱者的溝通，發(fā)現(xiàn)相關(guān)的有需求用戶以及利用方向，建立專門的檔案提供渠道。這樣有針對(duì)性地提供檔案信息，既提高了檔案的使用效率，提升了檔案管理部門的服務(wù)水平，又能幫助借閱者解決難題，促成其研究成果的產(chǎn)生。（3）數(shù)據(jù)挖掘技術(shù)為檔案鑒定工作提供了便利。檔案的鑒定工作一直以來(lái)都是檔案工作整體流程中難度系數(shù)最高、重要性最高的一個(gè)部分。在過(guò)去，這一工作進(jìn)展的良好與否完全憑借的是檔案管理從業(yè)人員的個(gè)人的能力強(qiáng)弱，隨人員的主觀因素變動(dòng)幅度大，這就可能造成存在價(jià)值的檔案未被保存下來(lái)而無(wú)價(jià)值的檔案卻被大量保存下來(lái)諸如此類情況的發(fā)生，不僅損失了有用的檔案信息而且還浪費(fèi)了資源。但是，如果在檔案信息管理系統(tǒng)引入數(shù)據(jù)挖掘技術(shù)，對(duì)檔案的使用情況和保存情況進(jìn)行系統(tǒng)分析，發(fā)現(xiàn)各個(gè)檔案管理管理部門其檔案形成的規(guī)律和使用范圍，判定出信息的重要性，為檔案鑒定工作的進(jìn)行提供鑒定依據(jù)。

4結(jié)語(yǔ)

隨著社會(huì)的進(jìn)步和科技的發(fā)展，計(jì)算機(jī)技術(shù)應(yīng)用面越來(lái)越廣泛。在檔案信息管理系統(tǒng)的應(yīng)用方面，數(shù)據(jù)挖掘技術(shù)為檔案信息的實(shí)體和內(nèi)容提供了安全保障，為檔案鑒定工作提供了便利，并提升了檔案信息的使用效率。

參考文獻(xiàn)

[1]黃世矗吳震.論數(shù)據(jù)挖掘技術(shù)在電子文件管理中應(yīng)用的必要性與可行性[J].檔案與建設(shè)，2011，11：8-10.

第6篇：數(shù)據(jù)挖掘總結(jié)范文

數(shù)據(jù)挖掘 聚類分析 K均值

一、引言數(shù)據(jù)挖掘是計(jì)算機(jī)行業(yè)發(fā)展最快的領(lǐng)域之一。以前數(shù)據(jù)挖掘只是結(jié)合了計(jì)算機(jī)科學(xué)和統(tǒng)計(jì)學(xué)而產(chǎn)生的一個(gè)讓人感興趣的小領(lǐng)域，如今，它已經(jīng)迅速擴(kuò)大成為一個(gè)獨(dú)立的領(lǐng)域。數(shù)據(jù)挖掘的結(jié)果對(duì)于醫(yī)生臨床診斷有很重要的意義。實(shí)驗(yàn)表明患心臟病病人的某些屬性特征和患心臟病風(fēng)險(xiǎn)的大小有較大關(guān)系。數(shù)據(jù)挖掘有兩種策略：有指導(dǎo)和無(wú)指導(dǎo)學(xué)習(xí)。本文用心臟病數(shù)據(jù)集范例來(lái)解釋有指導(dǎo)學(xué)習(xí)的過(guò)程。1.有指導(dǎo)學(xué)習(xí)和無(wú)指導(dǎo)聚類對(duì)于使用無(wú)指導(dǎo)聚類來(lái)說(shuō)，不存在預(yù)定義的類。取而代之的是，數(shù)據(jù)實(shí)例根據(jù)聚類模型定義的相似度機(jī)制來(lái)分組。而大部分?jǐn)?shù)據(jù)挖掘是有指導(dǎo)的，在使用有指導(dǎo)學(xué)習(xí)時(shí)，數(shù)據(jù)挖掘工具可使用類別已知的實(shí)例來(lái)建立表示數(shù)據(jù)的普遍的模型。然后利用所創(chuàng)建的模型確定新的、以前未分類實(shí)例的類別。2.用于有指導(dǎo)學(xué)習(xí)的方法在一個(gè)裝有iData分析器的Excel中，用一種數(shù)據(jù)挖掘工具ESX建立有指導(dǎo)的學(xué)習(xí)模型，其方法如下：首先，將要挖掘的數(shù)據(jù)輸入一個(gè)Excel電子表格并選擇一個(gè)輸出屬性。然后執(zhí)行一個(gè)數(shù)據(jù)挖掘會(huì)話，再閱讀并解釋匯總結(jié)果、檢驗(yàn)集結(jié)果和各個(gè)類的結(jié)果，最后生成可視化并解釋類規(guī)則。

二、聚類分析數(shù)據(jù)挖掘技術(shù)從傳統(tǒng)意義上說(shuō)是指數(shù)據(jù)的統(tǒng)計(jì)分析技術(shù)，采用的傳統(tǒng)數(shù)據(jù)分析技術(shù)主要包含線性分析和非線性分析、回歸分析、邏輯回歸分析、時(shí)間序列分析、最近鄰算法和聚類分析等。K-Means算法是劃分聚類中較流行的一種算法，它是一種迭代的聚類算法，迭代過(guò)程中不斷移動(dòng)簇集中的對(duì)象，直至得到理想的簇集為止，每個(gè)簇用該簇中對(duì)象的平均值來(lái)表示。算法的主要步驟為：（1）從n個(gè)數(shù)據(jù)對(duì)象隨機(jī)選取k個(gè)對(duì)象作為初始簇中心；（2）計(jì)算每個(gè)簇的平均值，并用該平均值代表相應(yīng)的簇；（3）根據(jù)每個(gè)對(duì)象與各個(gè)簇中心的距離，分配給最近的簇；（4）轉(zhuǎn)第二步，重新計(jì)算每個(gè)簇的平均值。這個(gè)過(guò)程不斷重復(fù)直到滿足某個(gè)準(zhǔn)則函數(shù)不再明顯變化或者聚類的對(duì)象不再變化才停止。K-Means算法對(duì)于大型數(shù)據(jù)庫(kù)是相對(duì)可伸縮的和高效的，算法的時(shí)間復(fù)雜度為O（n*k*t），其中t為迭代次數(shù)。一般情況下結(jié)束于局部最優(yōu)解。

三、具體實(shí)例說(shuō)明1. 心臟病風(fēng)險(xiǎn)評(píng)價(jià)中的數(shù)據(jù)挖掘問(wèn)題在世界衛(wèi)生組織與世界心臟病協(xié)會(huì)等權(quán)威機(jī)構(gòu)的另一項(xiàng)關(guān)于預(yù)防心臟病的指南中指出，引起心臟病的危險(xiǎn)因素有兩種，即“行為因素”和“生理問(wèn)題”。最主要的四種行為因素是：吸煙、飲酒、不健康的飲食、缺乏體力活動(dòng)。這些不良的行為日益累積會(huì)使機(jī)體發(fā)生生理改變。醫(yī)學(xué)數(shù)據(jù)庫(kù)的信息量非常龐大，其數(shù)據(jù)又具有自身的獨(dú)特性。要想充分利用豐富而寶貴的醫(yī)學(xué)資源，必須選擇適合醫(yī)學(xué)數(shù)據(jù)類型的數(shù)據(jù)挖掘工具及挖掘技術(shù)，盡可能大地發(fā)揮數(shù)據(jù)挖掘技術(shù)在醫(yī)學(xué)信息獲取中的價(jià)值。2. 數(shù)據(jù)準(zhǔn)備（1）數(shù)據(jù)選擇及預(yù)處理。運(yùn)用有指導(dǎo)學(xué)習(xí)的方法對(duì)心臟病人數(shù)據(jù)集進(jìn)行數(shù)據(jù)挖掘，此數(shù)據(jù)集是由位于加州Long Beach的VA醫(yī)療中心的Detrano博士搜集的。該數(shù)據(jù)集包含分類和數(shù)值數(shù)據(jù)的混合表，數(shù)據(jù)包含了303個(gè)實(shí)例組成，其中165個(gè)包含了未患心臟病的患者，剩余的138個(gè)實(shí)例包含了患過(guò)心臟病的患者。（2）建立數(shù)據(jù)挖掘庫(kù)。我們將試圖發(fā)現(xiàn)年齡等因素與是否患過(guò)心臟病之間的關(guān)聯(lián)，從而證實(shí)患過(guò)心臟疾病與它產(chǎn)生的可能因素之間的規(guī)則。具體實(shí)施步驟如下：將文件加載到一個(gè)新的Excel電子表格中，其中我們將下列屬性設(shè)置為輸入屬性：age（年齡）、sex （性別）、chest pain type（胸痛類型）、blood pressure（血壓）、cholesterol（膽固醇）、fasting blood sugar

4.總結(jié)研究表明心臟病的高發(fā)人群為：年齡大于45歲的男性、大于55歲的女性；吸煙者；高血壓患者；糖尿病患者；高膽固醇血癥患者；肥胖者。雖然年齡、性別、家族遺傳病史等危險(xiǎn)因素難以改變，但是如果有效控制其余危險(xiǎn)因素，就能有效預(yù)防某些心臟病。在日常生活中學(xué)會(huì)自我管理，建立良好的健康的生活方式，對(duì)心臟病患者而言，至關(guān)重要。

參考文獻(xiàn)：

[1]崔園.有指導(dǎo)的數(shù)據(jù)挖掘在風(fēng)險(xiǎn)評(píng)價(jià)中的應(yīng)用

[J].四川師范大學(xué)出版社，2006.1.

[2]孫微微，劉才興.數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘

[J].農(nóng)業(yè)網(wǎng)絡(luò)信息，2005，（1）.

[3]鄭新奇，劉曉麗.基于Clenmentine決策樹(shù)的空間數(shù)據(jù)挖掘方法探討

[J].中國(guó)科協(xié)年會(huì)論文集.2006.

[4]Richard J.Roiger，and Mchael W.Geatz Data mining：a tutorial based primer

[M].Pearson Education，Inc.2003.

[5]湯效琴，戴汝源.數(shù)據(jù)挖掘中聚類分析的技術(shù)方法

[J].微計(jì)算機(jī)信息，2003，（1）.

第7篇：數(shù)據(jù)挖掘總結(jié)范文

關(guān)鍵詞:數(shù)字圖書館;計(jì)算機(jī)技術(shù);應(yīng)用模塊;數(shù)據(jù)挖掘;網(wǎng)格技術(shù)

1數(shù)字圖書館概述

“數(shù)字化”的生活模式伴隨著科技的發(fā)展應(yīng)運(yùn)而生，人們也越來(lái)越適應(yīng)并習(xí)慣了這種生活模式，數(shù)字圖書館的出現(xiàn)使得人們對(duì)它的需求越來(lái)越高，同時(shí)它也直接關(guān)系著當(dāng)代圖書館的生存與發(fā)展。而數(shù)字圖書館的概念是由美國(guó)的一位學(xué)者在研究圖書館的時(shí)效性時(shí)提出來(lái)的，它就是一個(gè)信息化的平臺(tái)，擁有著全球性的知識(shí)資源和媒體內(nèi)容，一方面能夠使用戶及時(shí)的了解到全球的訊息，另一方面用戶使用搜索功能可以搜索到一些多樣化的信息。而其中關(guān)鍵性技術(shù)的應(yīng)用與研究成為了當(dāng)今國(guó)內(nèi)外IT界和圖書館界研究的熱門技術(shù)。而評(píng)價(jià)一個(gè)國(guó)家信息基礎(chǔ)設(shè)施好壞的標(biāo)志之一就是數(shù)字圖書館的建設(shè)。數(shù)字圖書館作為一種高新技術(shù)的產(chǎn)物，涉及到了以下技術(shù):數(shù)字化處理技術(shù)、超大規(guī)模數(shù)據(jù)庫(kù)技術(shù)、網(wǎng)絡(luò)技術(shù)、多媒體信息處理技術(shù)、信息壓縮與傳送技術(shù)、安全保密技術(shù)、自然語(yǔ)言理解技術(shù)等。本文主要介紹了網(wǎng)絡(luò)技術(shù)、數(shù)據(jù)挖掘技術(shù)、Agent技術(shù)。

2數(shù)據(jù)挖掘技術(shù)的應(yīng)用研究

2．1數(shù)據(jù)挖掘的基本概念

數(shù)據(jù)挖掘也可以叫作數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)，它是指從大量的數(shù)據(jù)中通過(guò)算法搜索隱藏于其中信息的過(guò)程。其一般與計(jì)算機(jī)科學(xué)有關(guān)，可以通過(guò)統(tǒng)計(jì)、在線分析處理、情報(bào)檢索、機(jī)器學(xué)習(xí)、專家系統(tǒng)及模式識(shí)別等多種方法來(lái)實(shí)現(xiàn)所要達(dá)到的目標(biāo)。數(shù)字圖書館的數(shù)據(jù)挖掘?qū)ο笫峭诰虺銎渲械拇笮蛿?shù)據(jù)庫(kù)、數(shù)據(jù)倉(cāng)庫(kù)以及大量的網(wǎng)絡(luò)信息空間，通過(guò)對(duì)這些數(shù)據(jù)的統(tǒng)計(jì)分析和總結(jié)，可以找到數(shù)據(jù)間內(nèi)在的關(guān)系，進(jìn)而可以預(yù)測(cè)到未來(lái)發(fā)展的趨勢(shì)。數(shù)據(jù)挖掘涉及到了很多前沿的學(xué)科，比如數(shù)據(jù)庫(kù)、數(shù)理統(tǒng)計(jì)、人工智能、神經(jīng)網(wǎng)絡(luò)等，這是當(dāng)今國(guó)際上最高端的技術(shù)研究之一了。

2．2數(shù)據(jù)挖掘技術(shù)的方法

2．2．1數(shù)據(jù)挖掘數(shù)據(jù)挖掘是一種面向數(shù)值數(shù)據(jù)的方法，它是用人工智能、機(jī)器學(xué)習(xí)、統(tǒng)計(jì)學(xué)、數(shù)據(jù)庫(kù)的交叉方法在一個(gè)較大的數(shù)據(jù)集中發(fā)現(xiàn)模式的計(jì)算過(guò)程，是一門跨學(xué)科的計(jì)算機(jī)科學(xué)分支。它的目標(biāo)是從一個(gè)數(shù)據(jù)集中提取信息，然后將其轉(zhuǎn)換成可理解的結(jié)構(gòu)，以此進(jìn)一步使用。數(shù)字圖書館的建設(shè)基礎(chǔ)就是數(shù)據(jù)挖掘，利用多種數(shù)據(jù)挖掘算法，通過(guò)數(shù)字處理和研究數(shù)字模型的變化，以此來(lái)進(jìn)行總結(jié)得到數(shù)據(jù)的變化情況。

2．2．2基于Web的數(shù)據(jù)挖掘Web數(shù)據(jù)挖掘是數(shù)據(jù)挖掘在Web上的應(yīng)用，它是利用數(shù)據(jù)挖掘技術(shù)抽取出與Web有關(guān)的一些感興趣的、有用的資源信息、行為及模式，涉及到了多個(gè)研究領(lǐng)域的技術(shù)，在挖掘內(nèi)容的過(guò)程中，我們一般從以下兩個(gè)角度進(jìn)行著手分析:一是對(duì)文本文檔進(jìn)行挖掘，二是挖掘多媒體文檔。在調(diào)整數(shù)字圖書館的網(wǎng)頁(yè)時(shí)一般都用追蹤和個(gè)性化使用記錄的全面追蹤這兩種模式來(lái)保證給用戶提供個(gè)性化的服務(wù)。

2．2．3文本數(shù)據(jù)挖掘文本數(shù)據(jù)挖掘是指從文本中挖掘出有一定價(jià)值的信息和知識(shí)的計(jì)算機(jī)處理技術(shù)，挖掘的對(duì)象的數(shù)據(jù)類型全是由文本類型組成的，在對(duì)巨量文本信息進(jìn)行自動(dòng)化信息分析與處理所使用的方法是利用數(shù)據(jù)挖掘算法和信息檢索算法來(lái)實(shí)現(xiàn)的。文本挖掘方法主要包含以下幾種:文本分類、文本聚類、信息抽取、摘要、壓縮。為了能夠更加更好的豐富圖書館的信息量，處理好文本的摘要和數(shù)據(jù)，提高數(shù)據(jù)挖掘的精確度，可以利用文本數(shù)據(jù)的挖掘和傳輸來(lái)實(shí)現(xiàn)。

2．3利用數(shù)據(jù)挖掘?qū)崿F(xiàn)數(shù)字圖書館的個(gè)性化服務(wù)

實(shí)現(xiàn)數(shù)字圖書館的個(gè)性化服務(wù)是通過(guò)把挖掘技術(shù)應(yīng)用到數(shù)字圖書館建設(shè)中，一方面可以通過(guò)提高數(shù)字圖書館的建設(shè)標(biāo)準(zhǔn)來(lái)增強(qiáng)各方面的服務(wù)質(zhì)量，另一方面還可以有效的鞏固信息資源的建設(shè)力度。在信息用戶掌握信息使用的行為、習(xí)慣、偏好等時(shí)，個(gè)性化的服務(wù)可以為用戶提供滿足其所需要的一些相關(guān)服務(wù)，主要是兩個(gè)方面:一是個(gè)性化，二是主動(dòng)服務(wù)。其原理是根據(jù)不同的用戶不同的需求使用不同的服務(wù)辦法來(lái)進(jìn)行針對(duì)性的服務(wù)，系統(tǒng)不需要用戶去做什么就可以給用戶提供相對(duì)應(yīng)的服務(wù)，通過(guò)簡(jiǎn)化用戶的操作來(lái)達(dá)到個(gè)性化服務(wù)。個(gè)性化服務(wù)主要表現(xiàn)在以下幾個(gè)方面:數(shù)據(jù)挖掘服務(wù)、個(gè)人書架、個(gè)性化檢索、信息分類定制及推送、虛擬咨詢服務(wù)等。

3網(wǎng)格技術(shù)的應(yīng)用

3．1網(wǎng)格技術(shù)在數(shù)字圖書館中的應(yīng)用

在數(shù)字圖書館的建設(shè)中，網(wǎng)格技術(shù)是一種不可或缺的技術(shù)，為了確保數(shù)字圖書館的完整性和較好的服務(wù)性，就要利用網(wǎng)絡(luò)來(lái)調(diào)節(jié)因數(shù)字的變化而造成的改變，而數(shù)字圖書館建設(shè)擁有良好基礎(chǔ)的前提就是在網(wǎng)格技術(shù)應(yīng)用過(guò)程中要結(jié)合信息資源建設(shè)網(wǎng)絡(luò)基礎(chǔ)設(shè)施，并在后期結(jié)合相關(guān)的Web技術(shù)方法，以圖書館的基礎(chǔ)架構(gòu)作為基礎(chǔ)，搭建一個(gè)良好的可以實(shí)現(xiàn)資源信息共享的信息技術(shù)平臺(tái)，整合網(wǎng)絡(luò)各方面的資源，在統(tǒng)一管理的基礎(chǔ)上實(shí)現(xiàn)良好的信息服務(wù)。

第8篇：數(shù)據(jù)挖掘總結(jié)范文

關(guān)鍵詞 ;數(shù)據(jù)挖掘; web;挖掘;網(wǎng)絡(luò)技術(shù)

中圖分類號(hào):G642文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1003-2851(2009)12-0174-01

近年來(lái),數(shù)據(jù)挖掘引起了信息產(chǎn)業(yè)界的極大關(guān)注,其主要原因是存在大量數(shù)據(jù),可以廣泛使用,并且迫切需要將這些數(shù)據(jù)轉(zhuǎn)換成有用的信息和知識(shí)。數(shù)據(jù)挖掘是面向發(fā)現(xiàn)的數(shù)據(jù)分析技術(shù),通過(guò)對(duì)大型的數(shù)據(jù)集進(jìn)行探查。可以發(fā)現(xiàn)有用的知識(shí),從而為決策支持提供有力的依據(jù)。

一、 Web數(shù)據(jù)挖掘定義及分類

Web數(shù)據(jù)挖掘(Web Date Mining),簡(jiǎn)稱Web挖掘,是數(shù)據(jù)挖掘技術(shù)在Web環(huán)境下的應(yīng)用,是從數(shù)據(jù)挖掘、計(jì)算機(jī)技術(shù)、信息科學(xué)等多個(gè)領(lǐng)域進(jìn)行的一項(xiàng)技術(shù)。

Web 數(shù)據(jù)挖掘的分類根據(jù)數(shù)據(jù)挖掘?qū)ο蟮牟煌梢詫eb數(shù)據(jù)挖掘分為Web 內(nèi)容挖掘、Web 結(jié)構(gòu)挖掘和Web 訪問(wèn)信息挖掘三類(見(jiàn)圖1)。Web 內(nèi)容挖掘就是指從Web 的文檔中發(fā)現(xiàn)提取有用信息; Web 結(jié)構(gòu)挖掘是指對(duì)html 頁(yè)面間的鏈接結(jié)構(gòu)進(jìn)行挖掘; Web 訪問(wèn)信息挖掘是從網(wǎng)絡(luò)訪問(wèn)者的交談或活動(dòng)中提取信息。

二、 Web數(shù)據(jù)挖掘的過(guò)程

數(shù)據(jù)挖掘的過(guò)程可以分為6個(gè)步驟:

(一)理解業(yè)務(wù):從商業(yè)的角度理解項(xiàng)目目標(biāo)和需求,將其轉(zhuǎn)換成一種數(shù)據(jù)挖掘的問(wèn)題定義,設(shè)計(jì)出達(dá)到目標(biāo)的一個(gè)初步計(jì)劃。

(二)理解數(shù)據(jù):收集初步的數(shù)據(jù),進(jìn)行各種熟悉數(shù)據(jù)的活動(dòng)。包括數(shù)據(jù)描述,數(shù)據(jù)探索和數(shù)據(jù)質(zhì)量驗(yàn)證等。

(三)準(zhǔn)備數(shù)據(jù):將最初的原始數(shù)據(jù)構(gòu)造成最終適合建模工具處理的數(shù)據(jù)集。包括表、記錄和屬性的選擇,數(shù)據(jù)轉(zhuǎn)換和數(shù)據(jù)清理等。

(四)建模:選擇和應(yīng)用各種建模技術(shù),并對(duì)其參數(shù)進(jìn)行優(yōu)化。

(五)模型評(píng)估:對(duì)模型進(jìn)行較為徹底的評(píng)價(jià),并檢查構(gòu)建模型的每個(gè)步驟,確認(rèn)其是否真正實(shí)現(xiàn)了預(yù)定的商業(yè)目的。

三、Web 數(shù)據(jù)挖掘的常用工具

Web 數(shù)據(jù)挖掘工具如果按用途分, 可分為: Web 文本信息挖掘工具、用戶訪問(wèn)模式挖掘工具或用戶導(dǎo)航行為挖掘工具和綜合性的web分析工具。Web 文本信息挖掘工具主要完成兩方面的功能: 信息檢索和對(duì)文本的分析。IBM 公司的產(chǎn)品Intelligent Miner 中的web 挖掘工具Intelligent Miner for Text 就是比較好的文本信息挖掘工具。用戶模式挖掘工具通常實(shí)現(xiàn)的方法是對(duì)Sever Logs、Error Logs 和Cookie Logs 等日志文件分析挖掘出用戶訪問(wèn)行為、頻度和內(nèi)容等信息, 從而找出一定的模式和規(guī)則。由Sstphen Tumer 博士編制的免費(fèi)個(gè)人軟件Analog 是一個(gè)用來(lái)分析Server Logs 的工具。

四、數(shù)據(jù)挖掘的應(yīng)用現(xiàn)狀

數(shù)據(jù)挖掘是一個(gè)新興的邊緣學(xué)科,它匯集了來(lái)自機(jī)器學(xué)習(xí)、模式識(shí)別、數(shù)據(jù)庫(kù)、統(tǒng)計(jì)學(xué)、人工智能以及管理信息系統(tǒng)等各學(xué)科的成果。多學(xué)科的相互交融和相互促進(jìn),使得這一新學(xué)科得以蓬勃發(fā)展,而且已初具規(guī)模。在美國(guó)國(guó)家科學(xué)基金會(huì)(NSF)的數(shù)據(jù)庫(kù)研究項(xiàng)目中,KDD被列為90年代最有價(jià)值的研究項(xiàng)目。人工智能研究領(lǐng)域的科學(xué)家也普遍認(rèn)為,下一個(gè)人工智能應(yīng)用的重要課題之一,將是以機(jī)器學(xué)習(xí)算法為主要工具的大規(guī)模的數(shù)據(jù)庫(kù)知識(shí)發(fā)現(xiàn)。盡管數(shù)據(jù)挖掘還是一個(gè)很新的研究課題,但它所固有的為企業(yè)創(chuàng)造巨大經(jīng)濟(jì)效益的潛力,已使其很快有了許多成功的應(yīng)用,具有代表性的應(yīng)用領(lǐng)域有市場(chǎng)預(yù)測(cè)、投資、制造業(yè)、銀行、通訊等。

美國(guó)鋼鐵公司和神戶鋼鐵公司利用基于數(shù)據(jù)挖掘技術(shù)的ISPA系統(tǒng),研究分析產(chǎn)品性能規(guī)律和進(jìn)行質(zhì)量控制,取得了顯著效果。通用電器公司(GE)與法國(guó)飛機(jī)發(fā)動(dòng)機(jī)制造公司(sNEcMA),利用數(shù)據(jù)挖掘技術(shù)研制了CASSIOP.EE質(zhì)量控制系統(tǒng),被三家歐洲航空公司用于診斷和預(yù)測(cè)渡音737的故障,帶來(lái)了可觀的經(jīng)濟(jì)效益。該系統(tǒng)于1996年獲歐洲一等創(chuàng)造性應(yīng)用獎(jiǎng)。

中國(guó)的公安部門也在研究利用KDD技術(shù)總結(jié)各類案件的共性和發(fā)生規(guī)律,從而在宏觀上制定最有效的社會(huì)治安綜合治理的方案和措施;在微觀上指出犯罪人的特點(diǎn),劃定罪犯的范圍,為偵破工作提供方向。

第9篇：數(shù)據(jù)挖掘總結(jié)范文

關(guān)鍵詞：數(shù)據(jù)挖掘技術(shù)；web挖掘；web的應(yīng)用；個(gè)性化服務(wù)

中圖分類號(hào)：TP399-C1 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9599 （2012） 15-0000-02

1 數(shù)據(jù)挖掘技術(shù)

1.1 數(shù)據(jù)挖掘技術(shù)的概念

數(shù)據(jù)挖掘技術(shù)主要是指尋找隱藏在數(shù)據(jù)庫(kù)中有價(jià)值的信息，從而為決策支持 提供有力的依據(jù)的過(guò)程。數(shù)據(jù)挖掘的目標(biāo)主要包括特征、趨勢(shì)以及相關(guān)性等多個(gè)方面的信息。隨著計(jì)算機(jī)的普及，信息時(shí)代的到來(lái)，網(wǎng)絡(luò)中信息量迅速增加，傳統(tǒng)的知識(shí)發(fā)現(xiàn)（KDD：Knowledge Discovery in Databases）技術(shù)和方法已經(jīng)不能滿足人們從Web中獲取信息的需要，并且現(xiàn)實(shí)也要求對(duì)互聯(lián)網(wǎng)上的信息進(jìn)行深層次實(shí)時(shí)的分析[1]。所以Web的數(shù)據(jù)挖掘技術(shù)油然而生，這種技術(shù)將傳統(tǒng)的數(shù)據(jù)挖掘和web相互結(jié)合起來(lái)，能夠從大量的信息數(shù)據(jù)選取有價(jià)值的隱含信息。下圖1為Web數(shù)據(jù)挖掘原理流程：

1.2 Web數(shù)據(jù)挖掘的分類

根據(jù)數(shù)據(jù)挖掘的對(duì)象不同，Web數(shù)據(jù)挖掘技術(shù)可以分為Web結(jié)構(gòu)挖掘、Web內(nèi)容挖掘、Web 使用挖掘三類，Web數(shù)據(jù)挖掘分類如下圖2所示：

1.3 Web數(shù)據(jù)挖掘的特點(diǎn)

傳統(tǒng)的數(shù)據(jù)挖掘主要是以數(shù)據(jù)庫(kù)為基礎(chǔ)，對(duì)結(jié)構(gòu)化的數(shù)據(jù)進(jìn)行信息分析、加工以及模式挖掘，傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)能夠直接或者間接的應(yīng)用到Web數(shù)據(jù)挖掘中，但是因?yàn)閃eb技術(shù)自身的特點(diǎn)，從而使Web中的數(shù)據(jù)挖掘技術(shù)和傳統(tǒng)的數(shù)據(jù)挖掘具有很大的不同。

（1）數(shù)據(jù)量巨大。網(wǎng)絡(luò)能夠?qū)⒎植荚谑澜绮煌恢玫碾娔X連接在一起，并且每一個(gè)電腦都存在豐富的數(shù)據(jù)，又因?yàn)檫B接在網(wǎng)絡(luò)上電腦的數(shù)量非常巨大，所以Web數(shù)據(jù)挖掘技術(shù)能夠處理的數(shù)據(jù)也非常大。

（2）半結(jié)構(gòu)化的數(shù)據(jù)結(jié)構(gòu)。傳統(tǒng)的數(shù)據(jù)庫(kù)中的數(shù)據(jù)結(jié)構(gòu)具有一定的模型，可以根據(jù)數(shù)據(jù)模型進(jìn)行對(duì)網(wǎng)絡(luò)中的數(shù)據(jù)進(jìn)行描述，與傳統(tǒng)的數(shù)據(jù)結(jié)構(gòu)相比，在Web站點(diǎn)中的數(shù)據(jù)沒(méi)有統(tǒng)一的模型，并且各個(gè)站點(diǎn)之間都是獨(dú)自設(shè)計(jì)的，所以Web站點(diǎn)中對(duì)數(shù)據(jù)的處理是不斷變化的[2]。

（3）異構(gòu)數(shù)據(jù)庫(kù)環(huán)境。在數(shù)據(jù)庫(kù)環(huán)境中每一個(gè)Web站點(diǎn)都可以看作是一個(gè)數(shù)據(jù)源， 由于Web站點(diǎn)是相互獨(dú)立的，因此站點(diǎn)之間除了能夠相互訪問(wèn)之外沒(méi)有其他的關(guān)系，所以Web站點(diǎn)之間的信息都是不同的，從而構(gòu)成一個(gè)巨大的異構(gòu)數(shù)據(jù)庫(kù)環(huán)境。

2 數(shù)據(jù)挖掘技術(shù)在Web中應(yīng)用

隨著信息時(shí)代的到來(lái)，網(wǎng)絡(luò)技術(shù)的發(fā)展，目前數(shù)據(jù)挖掘技術(shù)已經(jīng)廣泛應(yīng)用到遠(yuǎn)程通信業(yè)、制造業(yè)、金融業(yè)、零售業(yè)、政府管理機(jī)構(gòu)以及體育等各個(gè)行業(yè)中，而數(shù)據(jù)挖掘技術(shù)在Web中應(yīng)用目前已經(jīng)成為全球?qū)W術(shù)界研究的熱點(diǎn)，并應(yīng)用到各個(gè)行業(yè)中。

2.1 Web中數(shù)據(jù)挖掘技術(shù)在搜索引擎中的應(yīng)用

在Web數(shù)據(jù)挖掘技術(shù)中，搜索引擎是最為典型的應(yīng)用，采用Web數(shù)據(jù)挖掘技術(shù)不僅能夠提高搜索引擎的查詢速度、網(wǎng)頁(yè)的權(quán)重、關(guān)鍵詞匹配的相關(guān)度以及改善搜索結(jié)果等，并且Web數(shù)據(jù)挖掘技術(shù)也應(yīng)用在文本的自動(dòng)分類、自動(dòng)摘要的形成、個(gè)性化的搜索引擎以及檢搜結(jié)果的聚類等具有重要的作用。

2.2 在電子商務(wù)中的應(yīng)用

Web數(shù)據(jù)挖掘技術(shù)在電子商務(wù)中應(yīng)用也是比較典型的應(yīng)用，Web數(shù)據(jù)挖掘技術(shù)能夠通過(guò)對(duì)客戶訪問(wèn)日志數(shù)據(jù)采用模型化算法、神經(jīng)元網(wǎng)絡(luò)以及其他的信息處理技術(shù)進(jìn)行分析，從而商家能夠?qū)€(gè)體或者特定消費(fèi)群體進(jìn)行定向營(yíng)銷的決策。并且采用Web數(shù)據(jù)挖掘技術(shù)還可以對(duì)日志進(jìn)行定量分析，從而能夠揭示出頻繁訪問(wèn)的頁(yè)面、訪問(wèn)途徑以及客戶的類屬關(guān)系、網(wǎng)頁(yè)的類屬關(guān)系等，從而能夠?yàn)閃eb站點(diǎn)的優(yōu)化提供有力的參考是數(shù)據(jù)。Web數(shù)據(jù)挖掘技術(shù)在電子商務(wù)中應(yīng)用主要體現(xiàn)在客戶的駐留、客戶獲取以及客戶的聚類和分類三個(gè)重要的方面。下圖3為Web數(shù)據(jù)挖掘的簡(jiǎn)單商務(wù)網(wǎng)站模型：

2.3 Web數(shù)據(jù)挖掘技術(shù)應(yīng)用于股票系統(tǒng)

Web數(shù)據(jù)技術(shù)采用Web-Dms系統(tǒng)可以構(gòu)建一個(gè)基于Web 的挖掘的股票教育和交易環(huán)境，并且還能夠充分利用站點(diǎn)上積累的信息，從而更好地服務(wù)于企業(yè)和客戶。在股票系統(tǒng)中采用Web 數(shù)據(jù)挖掘技術(shù)不僅能夠通過(guò)了解查找者的動(dòng)態(tài)行為 選擇最佳的電子商務(wù)精英方式，而且還能夠得知查找者的愛(ài)好[3]。應(yīng)用Web數(shù)據(jù)技術(shù)Web設(shè)計(jì)人員不在依靠專家的定性的指導(dǎo)進(jìn)行設(shè)計(jì)網(wǎng)站，而是可以根據(jù)查找者的信息進(jìn)行設(shè)計(jì)網(wǎng)站的機(jī)構(gòu)和外觀，從而能夠?yàn)榭蛻籼峁﹤€(gè)性化的服務(wù)。

3 總結(jié)

Web中的數(shù)據(jù)挖掘技術(shù)是一種新型的技術(shù)，由于Web自身的特點(diǎn)，從而使Web數(shù)據(jù)挖掘技術(shù)具有很多特點(diǎn)，并且其應(yīng)用也是非常廣泛，不僅能夠提取頁(yè)面的信息，進(jìn)行分析設(shè)計(jì)站點(diǎn)，而且在電子商務(wù)方面也具有非常廣闊的應(yīng)用前景。

參考文獻(xiàn)：

[1]DiPasquo D，Using HTML forlnation to aid in natural languageprocessing on the World Wide Web[M].Canegie-Mellon University.Sehool of Computer Science，1998.