大数据时代背景下结合数学建模提高数据处理能力研究.docVIP

大数据时代背景下结合数学建模提高数据处理能力研究 　　【摘要】数学建模竞赛在创新型人才的培养方面具有十分重要的作用。过硬的数据处理能力，是创新型人才培养的一个重要环节。大数据时代必须对如何提高学生的数据处理能力做出相应的思考。因此，数据分析与数学建模竞赛的结合在创新型人才培养方面发挥着重要的作用。 　　【关键词】数据处理数学建模创新大数据一、引言 　　创新驱动实质上是人才驱动。一支规模宏大、富有创新精神、敢于承担风险的创新型人才队伍，才能够推动以科技创新为核心的全面创新。因此，加快建设创新型人才队伍，是国家、民族发展的当务之急。如何培养更多优秀创新型人才，是高等教育的一个重大课题。学科竞赛在创新型人才的培养方面具有十分重要的作用。过硬的数据处理能力，是创新型人才培养的一个重要环节。大数据时代必须对如何提高学生的数据处理能力做出相应的思考。因此，数据分析与数学建模竞赛的结合在创新型人才培养方面发挥着重要的作用。 　　二、大数据时代背景下的数学建模 　　数学建模就其实质而言，可以说凡是有数学应用就有数学建模，但是它的发展依赖于方法和技巧的不断提升。在计算机信息技术迅速发展的今天，数学建模也得到了蓬勃的发展，使得数学不仅仅是一门工具性学科，还是一门技术。当代科技的一个突出特点是数据量化，人们在许多现代化的设计和控制中都需要有具体的数字指标，这就形成了无处不在的大数据。目前要把数学建模渗透到科技发展的每个角落，如何处理大数据就变成了一个发展的、开放性的问题。既然大数据涉及到现代化生活的方方面面，那么也就需要数学与各个专业的方法相互融合，研究大数据的内在机理。 　　要做好数学建模这件事情，我们需要了解更多的专业知识，学习更多的专业技能，更要了解大数据背后的网络分析。网络的参数和性质也许能刻画大数据背后的网络共性，这是我们在数学建模过程中需要深入探讨的问题。在日新月异的当今时代，要做好大数据的统计处理，要有合理的数学模型作为支撑，方法是科技长足发展的内在动力。由于数学建模的研究对象是实际问题尤其是热点问题，没有数学范畴限制，实际问题本身往往错综复杂，并不表现为教材中的单一经典问题形式，而是结合了许多综合确定性和非确定的数学、物理、经济以及工程问题。从实际问题出发→数学模型建立→算法设计与计算实现，这一完整和系统的研究过程与计算实现训练对培养学生在实践中的数学应用能力和创新创业有很好的提升作用。 　　大数据时代的到来不但给数学建模带来挑战，更为我们提供了机遇，新的时代环境为仿真技术的发展打开了大门，只要打破常规，放开思路，用于创新，数学建模的革命必将到来。近年来数学建模竞赛的规模越来越大，水平越来越高，赛题呈?F出综合性、实用性和创新性等特点。更重要的是贴近实际的海量数据的融入，加深了题目的复杂性，求解结果也变得不确定。这时候要求数学建模方法要更富有创新性、灵活性和开放性。模型更贴近实际、打破原有的方法、能解决实际问题。这样才能使比赛变得更有意义。实际教学过程中加深数学建模对大数据的处理，能提高学生的数学能力，处理现实问题的能力，还能对专业数据做相应处理，更重要的是能够体现数学提升大学生创新创业的能力。 　　三、结合数学建模提高数据处理能力 　　数学在处理数据方面的作用是巨大的，其所创造的价值更是无法估量。随着数据量越来越大，也使传统的数学建模受到严重挑战。 　　数学在处理数据方面经历了下面几个过程，上个世纪80年代，数学热促使了数学建模的发展，但经典的数学模型对带有观测误差的数据处理能力有限；90年代出现了信息热，然而当时的信息处理技术在很多方面难以达到使用的标准；从90年代中期，统计学成为大众消费数据的热点，使得统计学家从学术理论走到了现实世界，从而出现了统计建模。然而随着大数据体量不断增加、类型复杂，统计建模方法已不能完全胜任。近几年，数据采集、数据处理、数据建模、数据应用等方法现已成为新热点。使数据处理方法变得多样而实用。建立科学合理的数学模型，对预测结果的正确性尤为重要。 　　大数据研究不同于传统的逻辑推理研究，而是对数量巨大的数据做统计性的搜索比较、聚类分析、模式识别、主成分分析、判别分析、对应分析、最优尺度分析等统计分析归纳，因此继承了统计科学的一些特点。以此来判断数据之间的相互关系，以及关联程度，即数据的相关性，并进一步发现多个变量的取值之间存在的某种规律性，找出数据集里隐藏的相互关系，一般用支持度、可信度等参数反映相关性。数据分析过程中掌握高效快速的处理方法是解决问题的关键。在大数据时代，由于数据量的快速膨胀、数据来源复杂、价值潜伏、处理速度快等特点，一些基于精确分析的科研方法越来越赶不上时代的步伐，非精确的计算方法急需出现，研究试图找到一种模糊解决问题的手段。近来关于大数据的建模分析方法主要包括数