I人工智能作业.docVIP

人工智能作业 题目： 数据挖掘的应用现状 姓名： 樊金凤 学号： 201004120110 班级： 计算机科学与技术 成绩： 数据挖掘的应用现状 学号： 10 姓名：樊金凤 班级： 2010级计算机科学与技术 摘要： 本文介绍数据仓库和数据挖掘的相关基本知识并探讨了数据挖掘在现实中的应用，包括在超级市场，图书馆管理，保险金融业，以及产品制造业的应用. 关键词:数据挖掘 数据挖掘的应用 1 数据挖掘的概念 1. 1 数据挖掘的基础及研究进展综述随着数据库技术的不断发展及数据库管理系统的广泛应用，数据库中存储的数据量急剧增大，在大量的数据背后隐藏着许多重要的信息，如果能把这些信息从数据库中抽取出来，将为公司创造很多潜在的利润，而这种从海量数据库中挖掘信技术，就称之为数据挖掘[1].数据挖掘是通过仔细分析大量数据来揭示有意义的新的关系、趋势和模式的过程.其出现于20 世纪80 年代后期，是数据库研究中一个很有应用价值的新领域，交叉性学科，融合了人工智能、数据库技术、模式识别、机器学习、统计学和数据可视化等多个的理论和技术.数据挖掘作为一种技术，它的生命周期正处于沟坎阶段，需要时间和精力去研究、开发和逐步成熟，并最终为人们所接受.由于数据挖掘是数据库中知识发现的核心步骤发现了隐藏的模式，所以从模式处理的角度，许多人认为两者是等同. 20世纪8 0 年代中期，数据仓库之In-mon 在《建立数据仓库)) C Building the Data waLre-house) 一书中定义了数据仓库的概念，随后又给出了更为精确的定义:数据仓库[2]是在企业管理和决策中面向主题的、集成的、时变的以及非易失的数据集合.与其他数据库应用不同的是，数据仓库更像一种过程一一对分布在企业内部各处的业务数据的整合、加工和分析的过程.传统的数据库管理系统的主要任务是联机事务处理，而数据仓库则是在数据分析和决策方面提供服务，这种系统被称为联机分析处理(OLAP).OLAP 的概念最早是由关系数据库之父Codd 于1993 年提出的.当时， Codd 认为OLTP已不能满足终端用户对数据库查询分析的需要，结足用户分析的需求.用户的决策分析需要对关系数作者简介:袁忠0968-) .男，汉族，四川雅安人，助理工程师，研究方向为计算机软件及其应用. 据库进行大量计算才能得到结果，因此Codd 了多维数据库和多维分析的概念. 数据挖掘技术是人们长期对数据库技术进行研究和开发的结果.起初各种商业数据是存储在计算机的数据库中的，然后发展到可对数据库进行查询和访问，进而发展到对数据库的即时遍历.数据过去数据之间的潜在联系，从而促进信息的传递.现在数据挖掘技术在商业应用中已经可以马上投入使用，因为对这种技术进行支持的三种基础技术已经发展成熟，他们是:海量数据搜集、强大的多处理器计算机和数据挖掘算法.商业数据库现在正在以一个空前的速度增长，并且数据仓库正在广泛地应用于各种行业;对计算机硬件性能越来越高的要求，也可以用现在已经熟的并行多处理机的技术来满足;另外数据挖掘算法经过了这10 多年的发展也已经成为一种成熟，稳定，且易于理解和操作的技术.数据挖掘的核心模块技术历经了数十年的发展，其中包括数理统计、人工智能、机器学习.今天，这些成熟的技术，加上高性能的关系数据库引擎以及广泛的数据集成，让数据挖掘技术在当前的数据仓库环境中进入了实用的阶段[3]. 1. 2 数据挖掘中最常用的技术 最常用技术包括:(1)人工神经网络:仿照生理神经网络结构的非线形预测模型，通过学习进行模式识别;(2) 决策树:代表着决策集的树形结构;(3)遗传算法:基于进化理论，并采用遗传结合、遗传变异、以及自然选择等设计方法的优化技术沃的近邻算法:将数据集合中每一个记录进行分类的方法;(5) 规则推导:从统计意义上对数据中的如果一那么规则进行寻找和推导采用上述技术的某些专门的分析工具已经发展了约10 年的历史，不过这些工具所面对的数据量通常较小.而现在这些技术已被直接集成到许多大型的工业标准的数据仓库和联机分析系统中[4].数据挖掘工具是怎样准确地告诉你那些隐藏在数据库深处的重要信息的呢?它们又是如何作预测的?答案就是建模.建模实际上就是在你知道结果的情况下建立起一种