基于数据挖掘软件应用分析.docVIP

基于数据挖掘软件应用分析 　　摘 要： 数据挖掘技术适用于许多领域，能够利用其数据处理和分析能力，为各领域及相应的平台软件数据提取具有向导性的价值信息，引导行业的发展，其在软件应用方面具有广阔的前景。 　　关键词： 数据挖掘；软件；应用 　　中图分类号：TP3 文献标识码：A 文章编号：1671-7597（2013）0120181-01 　　1 数据挖掘技术 　　数据挖掘技术，从广义上来说，为一个提取潜在信息的过程。从海量原始信息中挖掘或者提取有用信息，它能够自动的分析和处理原有数据，提炼出具有规律性的模式，从而分析出对象的行为。数据挖掘的数据对象一般特征为数据量大，信息补不完全，存在噪音，并且模糊，随机性强。 　　数据挖掘是多个领域的交叉学科，剥壳数据库，机器学习，可视化和信息科学等。在使用数据挖掘技术的同时，需要配合其他技术剥壳神经网络技术，模糊及粗糙理论，知识表示，归纳逻辑程序，或者高性能计算。数据挖掘系统可以继承空间数据分析，信息提取，模式识别，图像分析，信号处理，计算机图形学，Web技术，经济，或者心理学等技术。数据挖掘需要对原始的数据进行预处理，主要处理方式包括数据清理。数据集成、数据变换、数据归纳等。从分析数据角度，数据挖掘主要分为两类，分别为描述式的数据挖掘和与预测式的数据挖掘。其中描述式的通常以简洁的语言方式描述数据，并且同时提供数据的一般性质。而预测性的类别，主要分析数据，建立一个或者一组数据模型，并且推算出新数据集的行为。 　　2 数据挖掘在软件中应用 　　数据挖掘技术根据其本身挖掘类型分为多种技术，譬如关联规则挖掘技术，通过发现存在海量数据中数据集的关联性及相关性，所采取的算法为Apriori算法。Apriori算法是一种逐层搜索迭代的算法，利用频繁项目集中任何子集一定为频繁集的Apriori性质，最后迭代推出最后的频繁子集，达到挖掘的目的。关联规则挖掘技术一般应用于具有客户关系领域，包括金融，通信或者培训，餐饮业等。 　　Apriori算法形式描述为：设定相关规则的频繁集I={i1，i2，……，im}，设定事务数据稽核D，假定事务T是I中一组项的集合，即为T被包含I，T的唯一标记为TID。若集合项X完全被包含I且X完全被包含T，则事务项T包含集合项X。关联规则是X推出Y。若关联规则X推出Y成立，则还需具备两个标志参数：支持度S，既事务数据库D中至少存在S%的事务，同时包含X和Y中所有项。置信度C，既在事务数据库D中包含X的事务至少有C%，同时也包含Y。在X推出Y中，X被称为规则前件，被称为规则后件，其中的X和Y均可以由合区表达式构成。 　　数据挖掘技术还包括决策数据挖掘，通过采集过去经验的数据，包括所有经验行为，形成状态集，通过决策算法推到出最后决策。此应用一般应用在体育运动或者金融交易、或者公司管理决策等方面。决策数据挖掘，所采取的算法基于马尔科夫过程的算法。其主要思想为，把所需要挖掘的海量数据视为一个有多个状态组成的系统，而状态之间的转化过程为马尔科夫过程转化，通过统计整个状态矩阵，计算出系统可靠性，得出差分，设置微小增量，最后得出最后决策状态行为。 　　数据挖掘技术在生物医学和DNA数据分析的应用。目前生物医学的大量研究都集中在对DNA数据分析上，正符合数据挖掘的基本条件。DNA数据分析重点关注DNA序列研究。通过异构、分布基因数据库的语义集成，以此方便对DNA数据库进行系统而系统的分析，促使集成式数据仓库和分布式的联邦数据库开发，以此来存储和管理原始DNA数据。通过数据挖掘的数据清洗和数据集成方便基因数据集成和用于基因数据分析的数据的构造。通过关联分析，同时出现的基因序列识别，帮助确定在目标样本的出现的基因种类，以此发现基因组和对基因间的交叉研究。通过路径分析发现疾病不同阶段的致因基因，找到疾病的发展的不同阶段的遗传因素序列，可以开发出针对疾病的不同阶段的治疗药物。通过可视化的工具和遗传数据分析，方便结构和模式的了解，和知识的发现，以及数据的交互。 　　数据挖掘在金融数据分析，银行和金融机构中有大量比较完整、可靠和高质量的数据，通过多维的数据分析和数据挖掘设计，构造数据仓库。通过信息中的贷款偿还预测和客户信用政策分析，通过客户的数据特征选择和属性相关性的计算，分析客户的偿还历史信息，可以得出可以发现偿还的收入比不是主导因素，而是所受的教育水平和负债率为是主导因素这样的客户习性的结果，银行可以根据此调整贷款的发放政策。通过数据挖掘可以对目标市场客户分类和聚类。通过数据挖掘的多维聚类分析，可以将具有相同储蓄的和贷款偿还行为的客户分为一组，有效的聚类和协同过滤方法可以识别客户组，将新的客户关联到适合的客户组，推动市场发展。利用数据挖掘技术有助于将洗黑钱和其他金融犯罪侦破。通