数据挖掘技术在移动通信中应用.doc

数据挖掘技术在移动通信中应用摘要：信息时代下，在海量信息中提取有效的知识成为关键。数据挖掘可以有效的提取无序信息中的要点。本文从数据挖掘技术及移动通信的现状出发，在分析数据挖掘应用的典型技术、数据挖掘技术应用于移动通信中的作用基础上，阐述数据挖掘技术在移动通信中的应用。 关键词：数据挖掘 移动通信 应用 中图分类号：TP311 文献标识码：A 文章编号：1007-9416（2012）09-0032-01 自20世纪50年代中期开始，计算机及网络技术的蓬勃发展，将社会前进的步伐带入了信息时代。当下是一个信息爆炸的时代，每一分钟都有大量的信息涌现。这大量信息的产生一方面给人们带来了便利，另一面这种信息爆炸现象的负面作用也愈发明显：信息量巨大，难以一一消化，同时这其中真伪难辨，给信息安全带来威胁；由于信息的载体形式多种多样，也为有效处理信息造成困难。信息爆炸却知识贫乏，如何从海量的信息中提取有用的知识。不是被信息淹没，而是有效利用信息。数据挖掘技术因此应运而生，并成为计算机技术发展的热点。 1、数据挖掘技术概述 所谓数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中人们事先不知道的、但又是潜在有用的信息和知识的过程[1]。数据挖掘是一门交叉学科，涉及到数据库技术、统计学、可视化、机器学习、信息科学等多种学科。数据挖掘技术除了对数据进行基本的查询，更重要的是从无序的数据中挖掘、整理信息，提取知识，进而提供决策支持。 1.1 数据挖掘的原理 数据挖掘的原理可以简单概括为6个过程：确定任务目标，熟悉研究领域内的数据及背景情况，明确数据挖掘的目标；建立数据仓库，即对根据要求对数据进行选择，选择与任务目标相关的数据；进行数据预处理，精简数据，除去冗余的数据信息，并统一形式，便于处理；数据挖掘，根据目标确定算法，并选择适合参数、建立模型；评估、解释和应用模型，必要时进行反复提取；知识评价，将提取的数据知识提供给用户试用，并进行反馈[2]。 1.2 数据挖掘的常用技术 对数据进行分析的常用技术包括有聚类、分类、回归分析、关联原则、偏差分析等等[3]。聚类分析是以相似性、差异性对数据进行分析，同一组数据相似性尽可能大，不同组数据差异性要明显，分类反之。回归分析是分析数据属性随时间的变化，探索不同数据间变化的依赖关系。关联原则即探寻数据间的关联及相互关系。偏差分析主要是对数据库中的异常记录，反常实例进行分析，寻找有意义的差别。 数据挖掘的常用技术主要来自以下相关领域：统计学、决策树、人工神经网络、遗传算法、粗集、模糊逻辑、可视化技术等。数据挖掘的应用十分广泛，主要有商业应用，多应用于市场营销、金融、银行、制造和通信领域；在科学研究方面，对生物、医学、气象、水文、地质和考古等学科的科研工作都有积极作用。 2、我国移动通信现状概述 近年来，移动通信领域迅猛发展，成为人们日常生活中不可或缺的沟通手段。移动通信的服务从最初提供简单通话服务发展成综合服务，包括语音、图像等多种类的信息传递。随着技术的不断发展和人们需求的多样化，计算机及网络等方式综合应用于通信领域已是大势所趋。利用数据挖掘技术可以有效利用资源，能够提高通信领域的工作效率，改善服务质量。1998年我国的移动通信业开始兴起，其后的发展速度令人咋舌，为世界之最。中国移动通信业的发展世人侧目，而且还具有巨大提升潜力和盈利空间。产业内部的竞争状态取决于五种基本竞争作用力[4]，即进入威胁、替代威胁、买方侃价能力、供方侃价能力和现有竞争对手的竞争。 3、数据挖掘技术在移动通信中的应用 移动通信业在信息化过程中得到了长足的发展，各类应用系统被广泛应用，如计费系统、综合业务系统等，在较为完整的保存历史数据的同时，也造成的海量数据的冗余，无法有效为使用者提供有用的信息。另一方面，海量数据的存在也为计算机设备的有效运行带来困扰。如何满足用户日益提高的需求的同时降低成本、提高效益，成为移动通信发展的重大课题。 数据挖掘技术成为解决这一问题重要手段，由于日益激励的竞争、数据电子化程度较高、用户关系管理系统的建立等多方面原因，中国移动通信等电信企业已经将该技术纳入企业的经营中。 3.1 数据挖掘应用的典型技术 数据仓库的建立，共建一个可以共享移动通信业务数据的平台，采用合适的算法对数据信息进行挖掘，获得对有用信息，对运营商的发展提供科学技术支持。 决策树技术的应用，该技术可对具有不同特性的商品的营销生成相应的模型，有效区分用户群体，对不同的群体采取不同的应对策略。关联规则的应用于告警相关性分析，快捷查出故障点及发生原因。同时APriori算法可确定告警之间的关联，方便维护及管理，提高工作效率。 3.2 数据挖掘技