计算机数据挖掘技术探析.docVIP

计算机数据挖掘技术探析 　　摘要：近些年来，物联网以及移动通信互联网技术的突飞猛进，使得人类社会有着翻天覆地的变化，海量数据同时也呈现爆炸式的增长，加快了大数据时代的发展。对于如何从海量数据中提取价值的信息始终是各个企业部门关注的焦点之一。本研究则对计算机数据挖掘技术展开研究 关键词：计算机；数据挖掘；技术 中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2017）01-0257-02 随着人类进入信息化时代，越来越多的数据需要处理，人类进入“大数据时代”，人类对信息的掌握达到前所未有的速度、厚度、细度和准确度。面对大量的数据，对这些数据进行挖掘和分析，并将这些运用到各行各业的发展中，推动社会的不断发展，成为当今大数据时代的必行之路。在此环境下计算机数据挖掘技术也有广泛应用及发展 1大数据挖掘技术的应用及发展 数据挖掘的实际应用功能大致分为分类去隔法、推算预测法、序列规则法等三类。具体又分为分类、聚类、回归、时间、关联、序列六个分项。数据挖掘利用这些分项功能对大量数据进行挖掘，发现那些被隐藏的信息对于社会的发展有巨大潜在价值[1] 数据挖掘过程是一个复杂的建模过程。大量的复杂数据为建模提供依据，各种数理模型能够对大量数据进行有效的分析和整理，从而获取有用的信息数据帮助用户了解情况，为客户划分市场寻找对策提供最基础最有效的数据支持。在数据挖掘中也需要得到相关知识及技术的支持。数据挖掘过程是一个复杂而细致的过程，数据挖掘过程还需要联机分析与处理系统、专家系统及模式识别系统等科学方法的支持。数据挖掘是一种运用数据搜素技术分析整理企业所需技术的方法[2]。规律性的联系被隐藏在大量的数据中，数据挖掘就是把这种隐藏关系进行搜索和分析，在数据挖掘过程中，通过数据建模对大量数据进行分析，利用数据模型把隐藏在大量数据之中的关联性、规律性从数据中提取出来 当今社会已经进入大数据时代，从数据的发展现状来看，工业、农业以及军事等各行各业的信息化发展环境下，必定会出现海量信息数据需要处理，这就对数据挖掘和数据分析提出更高的要求。随着社会的发展，数据在不断地增加和更新，数据挖掘和分析的技术也在不断的进步。现行条件下数据分析方法大致分为描述性分析、推断性分析、差异性分析、相关性分析、预测分析五大类。这几种数据分析方法相互配合，为企业或机构的发展和需求提供必要的数据分析结构和信息资源，促进企业或机构的高效管理和竞争力[3] 大数据处理中，应用系统的根本建设，纪要做好融合式架构结构的合理应用，在客户/服务器架构的应用中，服务器主要是实现整个应用系统的一种管理和控制，在调度的过程中，实现相关程序逻辑数据的应用。客户端往往是在用户交互的全面输入和输出过程中，对相关的任务进行完成，并结合客户点的服务器请求发出，借助于服务器的实现过程。融合式的协同，在实际的架构应用中，有着简单性的基本特点，实际的维护过程中，对于服务器依赖性相对较强，并对于整个系统的有着直接性的维护过程[4] 分散式的架构应用中，通过做好节点的协同控制，在系统的相关控制管理过程中，注重客户段模块的分散，在系统自治实现中，始终本着灵活性和开放性的基本特点，做好数据分布存储，实现各个系统的一种独立处理。混合式结构在实际的应用中，将数据信息的一致性维护综合实现，并做好用户管理和信息的全面转发，而用户和客户端实现的交互过程中，注重客户段计算机资源的充分利用，将服务器的工作压力有效减轻，并将服务器的瓶颈效应有效减轻，实现系统的一种灵活性运动，实现系统信息的一致性发展和应用[5] 2计算机数据深度挖掘实现对策 在企业发展过程中，必须要有效开发大数据资源，在此环境下也就出现了数据深度挖掘。企业中具有海量宝贵数据资源，这些资源的有效应用对其企业发展具有重要作用，因此均希望能够在海量数据中提取有效信息。其中深度数据挖掘则可以分成三个阶段，分别是：准备阶段、挖掘阶段和结果表达解释工作。在数据挖掘过程中有关联分析、聚类分析和演变态势分析等多种方式，可以依照数据的不同特点，??建相应的分类模型，这样不但能够详细分析数据种类，并且还能够实现数据状态细化，从而制定相应的营销对策，确定更具有价值的客户群体。在上进行数据分类之前可以首先进行评估，之后基于评估结果实施数据预分类，并再次进行优化修正[6] 数据预测具有重要应用价值，在数据深度挖掘中是一个重要流程，同时在数据挖掘中也具有高级应用价值。预测不但是进行大数据估计，主要是要实现大数据的准确预判，预测需要对之前所收集的信息数据进行分类整理，抽象性分析现实世界中的应用价值，从而构建初步模型。之后既可以从信度和效度两方面实现数据模型的相关检验，以能够显著提升模型的准确性。构建模型本身也就属于是一个数据模拟过