基于持续时态数据挖掘技术研究.docVIP

基于持续时态数据挖掘技术研究 　　【摘 要】随着科学技术的不断发展，数据越来越多数据冗余相当严重，这就对用户使用数据造成了一定阻碍，于是数据挖掘技术应运而生。近年来，科学技术发展越来越快，数据挖掘技术研究的进步和发展也越来越明显，并且伴随着数据时代的到来，促进了数据挖掘技术的发展和提升，从而将数据挖掘技术带入到了一个全新的时代。本篇文章主要是对大数据的介绍，并对数据挖掘的概念进行分析，从而帮助了大数据时代的挖掘技术的发展和应用领域的开发。数据挖掘技术得到了一定程度上的发展，给广大用户带来了一定程度上的便利。本文就数据挖掘技术展开研究分析，主要是对基于持续时态的挖掘技术的研究。 　　【关键词】数据；持续状态；数据挖掘技术；研究和提取 　　0.前言 　　信息技术的发展，使人们处于信息的海洋，但对于知识的汲取与使用却有一定的困难，用户往往要花费大量的时间去寻找自己需要的信息。对于大量的数据，要采取一定的科学技术方法进行分析，得出有用的价值为用户提供利用，这样才能发挥出信息的价值，减少时间的浪费。传统的数据挖掘只是对数据的简单分析，建立数据仓库，利用挖掘方法分析，但现在许多的数据都是以时间为基础的，需要建立以时间序列为基础的数据挖掘模型，利用数据挖掘方法对数据进行分析，展现出这些数据依时间变化而变化的特点，更深层次的反映数据所要展示的信息。 　　1.数据挖掘的概念介绍 　　1.1大数据 　　大数据是在信息社会发展下所产生的，是将大量的数据资料，用特殊的数据处理方法进行分析，将信息优化，具有更强的决策影响力，大数据其实是一种信息资产，为社会提供利用。大数据具有很多的特点，其中数量多，速度快，种类多，具有价值是几个比较明显的特征。大数据虽然具有相当多数量的数据，但大数据的意义不仅仅是数量多，而是对这些数据进行分析，进而得出具有价值的信息，为社会生产提供利用，重点是分析方法，掌握到合适的数据分析方法才可以进一步实现数据的价值。 　　大数据由于自身的数据量，需要依靠分布式架构的计算机，这需要一定的计算机技术。近年来云计算的发展可以为其提供便利，云计算可以提供分布式数据库，可以分布式处理，解决了大数据下数量多的问题。云计算为数据的计算提供足够大的空间，方便于数据处理，对于大数据的处理需要很多的计算机技术支持，云计算平台只是其中一个。大数据的发展与计算机技术相互影响，互相促进，共同为社会生产提供便利。 　　1.2数据挖掘 　　数据挖掘是通过算法对数据进行分析，从而发现数据中的信息，为社会生产提供利用。数据挖掘主要是利用计算机技术对数据进行统计分析等方面的计算。对数据进行优化处理，使信息有序化，提取出有用的信息，为用户提供利用。数据挖掘可以得出一些有用的信息，但是，数据挖掘也有许多信息无法得出，需要对数据挖掘技术进一步的研究，促进数据挖掘的发展。 　　2.持续时态数据 　　时态数据是主要以时间为主要序列的，与时间的变化有很大的关系。现在许多社会生产活动是以时间变化为主要依据的，所以，时态数据有很大的作用，对于时态数据的研究也会越来越多，对于数据挖掘也要研究基于时态数据的挖掘技术。时态数据也分为断续的，持续的，持续的时态数据是指时间连续的时态数据，这些数据是不间断的，而且是以时间顺序为顺序的。以往研究数据挖掘只是一个时间点的数据分析，展示的只是静态信息，而时态数据是不间断的时间点的数据分析，展示的是数据的动态变化，从时间变化角度上研究数据的特点，可以得出更加有价值的信息，对某一事件的变化规律研究提供了数据支持，促进社会生产效率的提高。虽然时态数据很大程度上分析了时间变化过程中事件的变化规律，但再怎么持续研究，终究是一个时间点上的数据分析，并不能代替时间段上的变化规律，所以对于时态数据的研究仍需进一步的进行，从而得出更加有价值的信息。 　　3.数据挖掘的基本的分析方法 　　随着大数据的发展，数据挖掘技术也日益发展，现在已经研究出了许多的数据挖掘方法，包括分类、特征、web页挖掘等等。其中聚类，关联，分析和预测是比较常用的几种挖掘方法。本文主要从这三种方法入手，对数据挖掘技术进行分析，希望可以为大数据用户提供更多的便利，利于信息的获取，促进社会生产的发展。 　　3.1进行聚类分析的方法 　　聚类分析是指在数据挖掘时，依据一定的标准把数据分为几个类别，要保证同一类别的数据相似性最大，不同类别之间的数据差别性最大，通过这些相似数据和差异数据的分析，得出数据的特征，提取出数据中所包含的信息，为用户提供利用。聚类分析中最主要的是聚类标准的选择，聚类标准的合适与否决定着提取出的信息的有用性，聚类标准过大或过小，都会对所得出的信息有很大的影响。所以在利用聚类分析时，一定要明确所需要的信息，然后选择一个最合适的聚类标准对数据进行分类，