數(shù)據(jù)挖掘論文(精品)

　　在各領(lǐng)域中，大家肯定對論文都不陌生吧，論文的類型很多，包括學(xué)年論文、畢業(yè)論文、學(xué)位論文、科技論文、成果論文等。寫論文的注意事項(xiàng)有許多，你確定會寫嗎？以下是小編幫大家整理的數(shù)據(jù)挖掘論文，歡迎大家分享。

數(shù)據(jù)挖掘論文1

　　摘要：近年來，數(shù)據(jù)庫挖掘技術(shù)的普遍應(yīng)用，使數(shù)據(jù)價值實(shí)現(xiàn)最大化，在我國金融、商業(yè)、市場營銷等領(lǐng)域得到廣泛應(yīng)用。然而在我國高校管理中并沒有得到推廣，為使高校管理系統(tǒng)中的數(shù)據(jù)充分發(fā)揮應(yīng)有價值，在該系統(tǒng)中使用數(shù)據(jù)庫挖掘技術(shù)意義深遠(yuǎn)。本文首先介紹了數(shù)據(jù)挖掘技術(shù)的流程，然后在教師教學(xué)質(zhì)量評估中應(yīng)用數(shù)據(jù)庫挖掘技術(shù)，充分證明數(shù)據(jù)庫挖掘技術(shù)在高校管理中能發(fā)揮重大作用。

　　關(guān)鍵詞：管理 決策 數(shù)據(jù)挖掘技術(shù)

　　當(dāng)前，大部分高校都擁有配套的管理系統(tǒng)，該系統(tǒng)具備海量數(shù)據(jù)儲存和管理功能，徹底告別了手工記錄信息和數(shù)據(jù)的年代。不但節(jié)約了紙張，更有效提高了高校管理數(shù)據(jù)和信息的效率。然而我國高校沒有有效利用應(yīng)用數(shù)據(jù)挖掘技術(shù)，因此研究數(shù)據(jù)庫挖掘技術(shù)在高校管理中的應(yīng)用十分必要。

　　1數(shù)據(jù)挖掘技術(shù)的流程

　　數(shù)據(jù)挖掘技術(shù)能夠?qū)⒑Ａ繑?shù)據(jù)展開分析和處理，再把整體數(shù)據(jù)庫中存在規(guī)律的數(shù)據(jù)整合起來，實(shí)施該技術(shù)主要包括以下五個環(huán)節(jié)。目標(biāo)定義：該環(huán)節(jié)中要與有關(guān)領(lǐng)域的背景知識相結(jié)合，清晰、精確的定義出數(shù)據(jù)挖掘目標(biāo)。數(shù)據(jù)準(zhǔn)備：在該環(huán)節(jié)中要搜集、選取數(shù)據(jù)源中的數(shù)據(jù)，處理已選數(shù)據(jù)，將其轉(zhuǎn)換為適合數(shù)據(jù)挖掘的`形態(tài)。數(shù)據(jù)挖掘：該環(huán)節(jié)是數(shù)據(jù)挖掘技術(shù)的核心，即采用關(guān)聯(lián)規(guī)則法、分類分析法等各種數(shù)據(jù)挖掘方法把數(shù)據(jù)中隱藏的知識和規(guī)律發(fā)掘出來。結(jié)果表示：在該環(huán)節(jié)中可以以用戶需求為依據(jù)，將挖掘出來的知識和規(guī)律轉(zhuǎn)變?yōu)橛脩裟芙邮芎屠斫獾男螒B(tài)。知識吸收：該環(huán)節(jié)中，主要是把挖掘結(jié)果與指定領(lǐng)域中的需求相結(jié)合，在該領(lǐng)域中應(yīng)用發(fā)掘出來的結(jié)果，為決策者提供知識，是數(shù)據(jù)挖掘的終極目標(biāo)。

　　2數(shù)據(jù)挖掘技術(shù)在教學(xué)質(zhì)量評估中的應(yīng)用

　　2。1運(yùn)用關(guān)聯(lián)規(guī)則法挖掘數(shù)據(jù)庫中的信息

　　評估老師教學(xué)質(zhì)量不但是評定教學(xué)效果的重要部分，也是評定教師職稱的重要根據(jù)，因此是高校管理工作中不可或缺的部分。目前評估教學(xué)質(zhì)量的主要措施是搜集、統(tǒng)計(jì)學(xué)生的成績和以及對老師的評價，然后加權(quán)算出老師的總得分，作為評估該老師教學(xué)質(zhì)量指標(biāo)。這種方法非但不科學(xué)，其權(quán)威性也較低，因此需要深挖數(shù)據(jù)的相關(guān)性，本文采用了數(shù)據(jù)挖掘技術(shù)中的關(guān)聯(lián)規(guī)法挖掘數(shù)據(jù)中的規(guī)律和知識，為評估老師教學(xué)質(zhì)量提供有力根據(jù)。運(yùn)用關(guān)聯(lián)規(guī)則法挖掘數(shù)據(jù)，其規(guī)則方法為“XY，置信度為c%，，支持度為s%”。關(guān)聯(lián)規(guī)則中置信度為c%：在整體事件D集合中，如果既能夠符合事件X中擁有c%的需求，也能夠符合Y的要求。那么就用置信度來表示關(guān)聯(lián)規(guī)則的強(qiáng)度，被記錄為confidence（XY），置信度最小值用minConf來表示，通常置信度最小數(shù)值由客戶提供。關(guān)聯(lián)規(guī)則中置信度為s%：在整體事件D集合中，如果既能夠符合事件Y中的s%的需求，又能夠符合X要求。用支持度來表示關(guān)聯(lián)規(guī)則的頻度，把支持度的最小數(shù)記錄用minsup（X）來表示，通常支持度最小數(shù)值由客戶提供。頻繁項(xiàng)集合：當(dāng)X項(xiàng)集的支持度大于等于用戶設(shè)定好的最小支持度時，那么頻繁項(xiàng)集是X。通常關(guān)聯(lián)規(guī)則包含兩個環(huán)節(jié)：①把全部頻繁項(xiàng)集從整體事件集中選出；②運(yùn)用頻繁項(xiàng)集產(chǎn)生關(guān)聯(lián)規(guī)則。在這兩個環(huán)節(jié)中關(guān)聯(lián)規(guī)則效果和性能是否良好取決于第一個環(huán)節(jié)。

　　2。2關(guān)聯(lián)規(guī)則分析在評估教學(xué)質(zhì)量中的運(yùn)用

　　第一步是準(zhǔn)備數(shù)據(jù)期，在某大學(xué)的教學(xué)管理系統(tǒng)中將五百條與教學(xué)評價有關(guān)的記錄從數(shù)據(jù)庫中隨機(jī)抽取，并挑選出老師編號、學(xué)歷、性別、教齡、評估分和職稱這六個屬性，并將相關(guān)數(shù)據(jù)從數(shù)據(jù)庫中提取。比如把講師、副教授和教授等職稱轉(zhuǎn)化成11、01、00等編碼，表1就是制定的評價教師教學(xué)記錄表。第二步采用關(guān)聯(lián)規(guī)則分析法把90分以上評價分?jǐn)?shù)作為檢索目標(biāo)和判斷標(biāo)準(zhǔn)，也就是將≥90分作為判斷是否是高教學(xué)質(zhì)量闕值。通過檢索有143條記錄符合標(biāo)準(zhǔn)，即設(shè)定最小的支持度為10%，置信度則為15%，得出下表2的關(guān)聯(lián)規(guī)則。最后一步評價本次實(shí)驗(yàn)的結(jié)果。由上表得知，學(xué)生喜歡男老師和女老師的程度大致相同；學(xué)歷愈高的老師，給予他們的教學(xué)評價也就愈高，即學(xué)歷和教學(xué)評價成正比，這也說明了學(xué)歷高的老師其基本功與學(xué)歷低的老師相比，前者基本功更為穩(wěn)固，也有較高的科學(xué)研究水平；有較長教齡和較高職稱的老師，其教學(xué)質(zhì)量也越高；此外，在支持度中可以看出，高校教授和高學(xué)歷人才越多，說明其辦學(xué)能力也就越高。

　　3結(jié)語

　　高校管理系統(tǒng)作為教學(xué)信息化的重要舉措，只是起到搜集和儲存海量教學(xué)信息的作用，并沒有挖掘出海量數(shù)據(jù)之間的相關(guān)性，而在本文中把關(guān)聯(lián)規(guī)則法運(yùn)用在教師教學(xué)質(zhì)量評估中，在數(shù)據(jù)中挖掘有價值的知識和規(guī)律，使評估教師教學(xué)質(zhì)量更具有科學(xué)性，因此在高校管理中全面應(yīng)用數(shù)據(jù)挖掘技術(shù)，能為高校深化教學(xué)改革提供新的契機(jī)。

　　參考文獻(xiàn)

　　[1]江敏，徐艷。數(shù)據(jù)挖掘技術(shù)在高校教學(xué)管理中的應(yīng)用[J]。電腦知識與技術(shù)，20xx，（24）：541—545+560。

　　[2]楊雪霞。數(shù)據(jù)挖掘技術(shù)在高校圖書館管理系統(tǒng)中的應(yīng)用研究[J]。軟件，20xx（04）：16—18。

數(shù)據(jù)挖掘論文2

　　摘要：中醫(yī)臨床理論多是由著名醫(yī)家的經(jīng)驗(yàn)升華形成的，反映了臨床上不同學(xué)術(shù)派系以及不同學(xué)科的優(yōu)勢特征，但這其中不免摻雜了個人主觀經(jīng)驗(yàn)，因此本文就中醫(yī)臨床理論研究中醫(yī)病案為基礎(chǔ)，對應(yīng)用病案數(shù)據(jù)挖掘結(jié)果來總結(jié)和重建中醫(yī)臨床理論的方式進(jìn)行了探討，認(rèn)為該方法可為完善中醫(yī)臨床理論提供客觀的數(shù)據(jù)支持，使中醫(yī)臨床理論的來源更具有科學(xué)性。

　　關(guān)鍵詞：病案；數(shù)據(jù)挖掘；中醫(yī)臨床理論；轉(zhuǎn)化醫(yī)學(xué)；臨床

　　科研一體化中醫(yī)臨床理論決定著中醫(yī)臨床學(xué)科的發(fā)展水平，是中醫(yī)臨床發(fā)展的動力。從古至今，中醫(yī)名醫(yī)名家輩出，他們的臨床經(jīng)驗(yàn)和學(xué)術(shù)思想不斷提煉升華，逐步形成了傳統(tǒng)的中醫(yī)臨床理論。新中國成立以來，中醫(yī)不斷汲取最新的科技成果，進(jìn)行了大量臨床實(shí)踐，而中醫(yī)臨床理論發(fā)展緩慢，己經(jīng)成為制約當(dāng)代中醫(yī)學(xué)術(shù)發(fā)展的瓶頸，對如何開拓中醫(yī)臨床理論的研究，可謂見仁見智，但各種新的臨床理論常常裹挾著“各家學(xué)說”。在當(dāng)今大數(shù)據(jù)和信息技術(shù)發(fā)達(dá)的背景下，運(yùn)用數(shù)據(jù)挖掘技術(shù)對中醫(yī)病案進(jìn)行大數(shù)據(jù)分析，客觀揭示當(dāng)前中醫(yī)臨床理論的本來面目，盡可能減少個人見解的偏倚，對于推動中醫(yī)臨床理論發(fā)展具有重要的現(xiàn)實(shí)意義，本文就基于病案數(shù)據(jù)挖掘的中醫(yī)臨床理論重建進(jìn)行探討如下。

　　1傳統(tǒng)中醫(yī)臨床理論的構(gòu)建框架

　　1.1中醫(yī)古典文獻(xiàn)是傳統(tǒng)中醫(yī)臨床理論的基礎(chǔ)

　　眾所周知，中醫(yī)之所以能夠屹立千年不倒，很大一部分原因是因?yàn)槠溆歇?dú)特的理論體系，而在這其中，中醫(yī)古典文獻(xiàn)做出的貢獻(xiàn)應(yīng)該是第一位的。因?yàn)檫@些古典文獻(xiàn)的記載和流傳，為后世的醫(yī)家提供了參考和借鑒，使得我們從前人的思維上不斷創(chuàng)新，與臨床進(jìn)行有機(jī)結(jié)合，不斷研究出新的適合于當(dāng)前時代的臨床理論。例如，中醫(yī)學(xué)無論在理論研究還是在臨床治療方面的豐富，許多根本性的理論都是源自于《內(nèi)經(jīng)》。該書創(chuàng)立了藏象、經(jīng)絡(luò)、診法等各方面的理論[1]，勾畫了中醫(yī)理論的雛形，構(gòu)建了中醫(yī)理論體系的基本框架。到后期東漢時期張仲景的《傷寒論》則是創(chuàng)造了以六經(jīng)辨證和臟腑辨證為主的局面，其所倡導(dǎo)的“觀其脈證，知犯何逆，隨證治之”使得辨證論治登上新的高度。到了金元時期，就是百家爭鳴的時代，這期間以金元四大家為主的學(xué)派開始萌生，留下了許多可供后世醫(yī)家參考的古典文獻(xiàn)并創(chuàng)建了不同的臨床理論，而明清時期以葉天士和吳鞠通為首確立的衛(wèi)氣營血和三焦辨證，使溫病學(xué)的辨證理論逐步趨于完善，至今仍是指導(dǎo)臨床治療溫?zé)岵〉睦碚撘罁?jù)�？傊�，傳統(tǒng)中醫(yī)臨床理論的構(gòu)建和完善，離不開前人的摸索與貢獻(xiàn)，也得益于著名醫(yī)學(xué)家創(chuàng)建的傳統(tǒng)中醫(yī)理論，使得我們現(xiàn)在的中醫(yī)體系不斷的飽滿和充實(shí)。

　　1.2當(dāng)代著名中醫(yī)的臨床經(jīng)驗(yàn)不斷提升為中醫(yī)臨床理論

　　傳統(tǒng)中醫(yī)的臨床理論，在很大程度上展示著著名醫(yī)家的臨床經(jīng)驗(yàn)。在中醫(yī)理論與實(shí)踐發(fā)展的相互促進(jìn)過程中，當(dāng)代醫(yī)家通過讀書、臨證、心悟?qū)��?shí)踐經(jīng)驗(yàn)不斷總結(jié)并升華為理論，又在實(shí)踐中不斷完善既有的理論，成為中醫(yī)理論發(fā)展的重要途徑和模式，而當(dāng)代中醫(yī)理論的發(fā)展則需要將傳統(tǒng)理論與現(xiàn)代實(shí)踐相互融合起來。例如上世紀(jì)60年代時，面對中醫(yī)基礎(chǔ)理論中新的思想相對匱乏的這一局面，鄧鐵濤結(jié)合其治療的臨床經(jīng)驗(yàn)，首次提出了“五臟相關(guān)學(xué)說”。盡管當(dāng)時的理論準(zhǔn)備并不完善，但是這一理論的提出，在很大程度上完善并且取代了“五行學(xué)說”中某些模糊性和不確定性，并且隨著時代的發(fā)展，逐漸驗(yàn)證了鄧?yán)系倪@一經(jīng)驗(yàn)的正確性，也成為指導(dǎo)中醫(yī)臨床理論的一大重要體系[2]。又如，腦出血這一現(xiàn)代疾病在古代名為中風(fēng)，多數(shù)是“從風(fēng)而治”，認(rèn)為肝臟與中風(fēng)的關(guān)系最為密切。隨著時代的推進(jìn)，自20世紀(jì)80年代以來，許多學(xué)者根據(jù)微觀辨證和中醫(yī)理論“離經(jīng)之血便是瘀”，提出急性出血中風(fēng)屬中醫(yī)血證，瘀血阻滯是急性期腦出血的最基本病機(jī)，是治療的關(guān)鍵所在[3]。故現(xiàn)代中醫(yī)臨床治療上多以活血化瘀法治療腦出血、腦梗塞這一系列疾病。若是仔細(xì)研讀傳統(tǒng)中醫(yī)臨床理論后，我們不難得出其構(gòu)成和完善離不開當(dāng)代著名醫(yī)家的臨床經(jīng)驗(yàn)，它是在歷經(jīng)歲月的洗禮下不斷塑造成型的。

　　1.3傳統(tǒng)中醫(yī)臨床理論不斷將現(xiàn)代醫(yī)學(xué)相關(guān)內(nèi)容中醫(yī)化

　　傳統(tǒng)中醫(yī)臨床理論不斷吸收現(xiàn)代醫(yī)學(xué)的理論，將其相關(guān)內(nèi)容不斷中醫(yī)化，將病人的各種證型通過五臟辨證、陰陽五行辨證以及八綱辨證劃分得越來越細(xì)化，以提供病人在中醫(yī)臨床上治療的理論依據(jù)。中醫(yī)吸取了現(xiàn)代醫(yī)學(xué)理論后正在不斷壯大其內(nèi)容，現(xiàn)代醫(yī)學(xué)相關(guān)內(nèi)容中醫(yī)化在許多難治疾病的辨證治療中都起到了良好的指導(dǎo)作用[4]。如艾滋病是古代傳統(tǒng)中醫(yī)辨證論治的空白，通過對艾滋病中醫(yī)病因病機(jī)、證候規(guī)律、治法方藥的系統(tǒng)研究，提出了“艾毒傷元”“脾為樞機(jī)”“氣虛為本”的病因病機(jī)學(xué)說，確立了艾滋病“培元解毒”“益氣健脾”的治療原則，為中醫(yī)藥防治艾滋病奠定了理論基礎(chǔ)，為進(jìn)一步提高艾滋病的中醫(yī)藥臨床診療效果提供理論依據(jù)[5]。

　　2當(dāng)前中醫(yī)臨床理論發(fā)展存在的不足

　　2.1中醫(yī)主流理論不突出且與時俱進(jìn)力度不夠

　　不可否認(rèn)的是，當(dāng)代的中醫(yī)臨床理論發(fā)展也是存在諸多不足的，中醫(yī)理論的完善和發(fā)展是中華五千年來集體智慧的結(jié)晶，個別醫(yī)家提出的臨床理論可能各有千秋，其所立的角度和思維也不盡相同。例如，同是治療輸卵管阻塞這一疾病時，朱南孫教授認(rèn)為多是由于濕蘊(yùn)沖任所致，其用自擬的清熱利濕方來進(jìn)行治療；而李廣文教授則認(rèn)為這一疾病多是由于瘀血阻絡(luò)為主，治療上以活血祛瘀為法，擬通任種子湯進(jìn)行治療[6]。又如對于“和解法”這一治療方法的理解，當(dāng)代名醫(yī)蒲輔周老先生認(rèn)為“寒熱并用，補(bǔ)瀉合劑，表里雙解，苦辛分消，調(diào)和氣血，皆謂和解”。而方和謙教授則認(rèn)為“在治法上扶正祛邪，表里兼顧，此法就為和解法”。不同的醫(yī)家在面對不同的疾病，甚至是不同的理法方藥時，所持的看法常常是“各家學(xué)說”，這就導(dǎo)致了當(dāng)前中醫(yī)臨床理論發(fā)展比較混亂，不能全面地體現(xiàn)中國五千年來發(fā)展過程中的中醫(yī)主流理論。目前中醫(yī)基礎(chǔ)理論還存在一個缺陷就是它的與時俱進(jìn)力度還不夠，很多古代經(jīng)典方藥的主治病癥，在當(dāng)今時代已經(jīng)不再多見了。比如蛔蟲導(dǎo)致的蛔厥這一致病因素在現(xiàn)代已經(jīng)不再常見，對應(yīng)的烏梅丸的主要適應(yīng)病癥也不再是蛔厥；在針對沒有明顯臨床表現(xiàn)的疾病如乙肝時，按傳統(tǒng)中醫(yī)往往體現(xiàn)出“無證可治”的狀態(tài)；傳統(tǒng)的診斷與現(xiàn)代檢查相結(jié)合的力度也不夠，中醫(yī)臨床基礎(chǔ)理論在某些程度上忽略了其與生化、B超、X光、CT等現(xiàn)代檢查結(jié)果的結(jié)合，并沒有用中醫(yī)理論對其做一合理的陳述；且現(xiàn)在臨床上很多中藥的藥理作用、性味歸經(jīng)的研究作用還不夠深入、細(xì)致，其作用不能在微觀上得以解釋。這些都導(dǎo)致了臨床上很多情況沒有從中醫(yī)理論來認(rèn)識中醫(yī)，不是“以中解中”，而是“以西解中”，形成了臨床拋棄中醫(yī)理論的狀態(tài)[7]。由于中醫(yī)學(xué)是一門實(shí)踐性很強(qiáng)的學(xué)科，它是在哲學(xué)辨證的思想指導(dǎo)下，與臨床經(jīng)驗(yàn)不斷結(jié)合，這與西醫(yī)知識體系相比較，難免存在一定的滯后性，這都會使得中醫(yī)臨床理論發(fā)展相對的落后。

　　2.2部分中醫(yī)理論帶有權(quán)威專家的“個人學(xué)說”偏見

　　傳統(tǒng)中醫(yī)強(qiáng)調(diào)個人經(jīng)驗(yàn)和學(xué)說，以中醫(yī)內(nèi)科學(xué)為例，第八版中的腦系疾病在第九版中已經(jīng)刪除，其涉及到的各種腦系疾病大多數(shù)歸屬于心系疾病與肝系疾病。根據(jù)其版本的不同，我們可以明顯看出其凸顯的中心內(nèi)容及其思想不同，其多是體現(xiàn)編著者的理論思想，在一定程度上并沒有客觀地揭示疾病的本質(zhì)，治療理論也不夠完善，一部分內(nèi)容與最新研究得出的論文理論不符，這使得當(dāng)代中醫(yī)臨床理論在某些程度上，帶有權(quán)威專家的“個人學(xué)說”色彩。由于現(xiàn)代西方先進(jìn)的科技文化流入，使得中醫(yī)在一定程度上備受質(zhì)疑，而正是因?yàn)槿藗儗τ谥嗅t(yī)理論的一些偏見，才使得中醫(yī)長期讓人詬病。

　　3新的時代背景下中醫(yī)臨床理論發(fā)展方向

　　3.1臨床理論應(yīng)具有真實(shí)性與系統(tǒng)性

　　中醫(yī)臨床理論的發(fā)展方形應(yīng)當(dāng)是建立在客觀并且真實(shí)的臨床實(shí)踐基礎(chǔ)上，從一次次臨床實(shí)踐中得出。由于歷史時代的原因以及假設(shè)推理、模式建設(shè)的廣泛使用，當(dāng)代中醫(yī)臨床理論中理論與假說并存的現(xiàn)象較為普遍，如中醫(yī)的五運(yùn)六氣學(xué)說對現(xiàn)代疫病預(yù)測和人體各經(jīng)絡(luò)臟腑在時間上對于人體治病效果的不同等，就需要我們在扎實(shí)的文獻(xiàn)與臨床實(shí)踐基礎(chǔ)上，對醫(yī)案進(jìn)行認(rèn)真總結(jié)，利用科學(xué)的方法深入挖掘，開展中醫(yī)理論的去偽存真研究，以促進(jìn)中醫(yī)理論的科學(xué)與健康發(fā)展。另外，傳統(tǒng)的中醫(yī)臨床治療上所用的理法方藥，多是根據(jù)個人經(jīng)驗(yàn)所進(jìn)行的。隨著科技的不斷發(fā)展與時代的不斷進(jìn)步，當(dāng)代的中醫(yī)臨床理論應(yīng)該在成功的中醫(yī)醫(yī)案上進(jìn)行系統(tǒng)的總結(jié)，不斷挖掘和研究其微觀的結(jié)構(gòu)，并隨著年月的更迭不斷更新，不斷完善，使其具有科學(xué)性和理論依據(jù)。同時，對近年來興起的傳染性非典型肺炎、艾滋病、禽流感等古人所沒有經(jīng)歷過的疾病的診治，中醫(yī)就其病因病機(jī)的認(rèn)識以及探究相應(yīng)的診療方法，無疑也是一種理論上的創(chuàng)新[8]。通過對其進(jìn)行深一層次的研究和發(fā)現(xiàn)，歸納出合適的治則治法，找到針對這一疾病的理法方藥，使其更具有系統(tǒng)性，使得臨床上中醫(yī)治病可以循序漸進(jìn)，注重整體，也是當(dāng)代臨床理論的一大發(fā)展方向。

　　3.2臨床理論具有信息化的特點(diǎn)并可持續(xù)拓展

　　隨著時代的`進(jìn)步，當(dāng)代的中醫(yī)臨床理論可以通過網(wǎng)絡(luò)等方式進(jìn)行共享，在大數(shù)據(jù)的這一時代背景下，隨著病案的不斷報道與積累，可以將各類成功的中醫(yī)醫(yī)案進(jìn)行統(tǒng)計(jì)和挖掘，其結(jié)果也會不斷進(jìn)行更新和發(fā)展。不同的醫(yī)家對于某一疾病的認(rèn)識角度可能不同，其表現(xiàn)在病位、病性、病勢和證候的判斷標(biāo)準(zhǔn)也不一樣，因此方藥規(guī)律也不一樣。而通過統(tǒng)計(jì)某一中醫(yī)或西醫(yī)疾病的較大樣本病例，并對其進(jìn)行數(shù)據(jù)挖掘，可以得出整個中醫(yī)群體對于這一疾病診治的證候分布、治則治法、處方用藥等的規(guī)律，甚至可以根據(jù)統(tǒng)計(jì)的結(jié)果探索出新的方藥，分析他們的共同點(diǎn)和所在差異。將中醫(yī)臨床理論具有信息化的這一特點(diǎn)不斷地拓展下去，通過計(jì)算機(jī)等客觀科學(xué)的手段進(jìn)行分析，與主觀的名老中醫(yī)傳承模式相比，更具客觀性，更容易被臨床醫(yī)生接受，對各種疾病的中醫(yī)臨床用藥也更具有指導(dǎo)價值。

　　4基于病案數(shù)據(jù)挖掘的中醫(yī)臨床理論重建

　　4.1病案研究是中醫(yī)理論發(fā)展的重要基礎(chǔ)

　　在當(dāng)今大數(shù)據(jù)的時代背景下，中醫(yī)固有的傳統(tǒng)整體論科學(xué)特征有了越來越多的可供改變的空間。這種變化既為其按照自身特有的規(guī)律發(fā)展特點(diǎn)帶來了機(jī)遇，也給未來中醫(yī)理論的發(fā)展提出了挑戰(zhàn)。同時，學(xué)習(xí)醫(yī)案研究也是中醫(yī)學(xué)相關(guān)大學(xué)生們應(yīng)該學(xué)習(xí)的一項(xiàng)內(nèi)容。閱讀醫(yī)案是必要的訓(xùn)練，也是中醫(yī)入門的方法之一。醫(yī)案的故事性引人入勝，在自然而然中接受中醫(yī)思維方法和傳統(tǒng)文化知識，同時醫(yī)案中所呈現(xiàn)的名醫(yī)風(fēng)范，醫(yī)德對學(xué)生起到潛移默化的影響，并培養(yǎng)對專業(yè)的熱愛[9]。病案客觀、真實(shí)地直接記錄疾病診斷和治療過程，醫(yī)案研究作為中醫(yī)理論發(fā)展過程中至關(guān)重要的一環(huán)，是中醫(yī)理論發(fā)展的重要基礎(chǔ)，以研究病案為基礎(chǔ)，對于中醫(yī)理論的形成和臨床上中醫(yī)積累經(jīng)驗(yàn)，都起到了一定的輔助提升作用。

　　4.2數(shù)據(jù)挖掘方法是中醫(yī)理論發(fā)展的現(xiàn)代技術(shù)手段

　　利用多種數(shù)據(jù)挖掘技術(shù)對中醫(yī)病案中的有關(guān)信息行進(jìn)行歸納、整理，是近年來傳承中醫(yī)臨床經(jīng)驗(yàn)的重要方法之一[10]。通過對同一種疾病的病案進(jìn)行數(shù)據(jù)挖掘以分析醫(yī)者的思路和探索其用藥的方法，對中醫(yī)臨床病案進(jìn)行規(guī)范化的整理，能夠深入總結(jié)其臨床經(jīng)驗(yàn)，挖掘隱藏在大量病案背后的診治規(guī)律，甚至探索出新的方藥配伍，為中醫(yī)理論的發(fā)展提供一定的科學(xué)依據(jù)的同時，使得中醫(yī)理論的發(fā)展越來越現(xiàn)代化，不僅僅只是停留在以前的靠讀書和個人經(jīng)驗(yàn)的結(jié)合，也為廣大的中醫(yī)在日后的臨床治療上提供了新的思路和方向。

　　4.3臨床實(shí)踐推動理論發(fā)展，賦予轉(zhuǎn)化醫(yī)學(xué)新的內(nèi)涵

　　目前，我們通過并按數(shù)據(jù)挖掘來總結(jié)一些中醫(yī)對于治療同一種疾病所采取的診斷和用藥，可以獲得新的思路，并且為完善我們現(xiàn)有的中醫(yī)理論基礎(chǔ)可以提供可靠的理論支持。采用數(shù)據(jù)挖掘技術(shù)對中醫(yī)學(xué)術(shù)思想和臨證經(jīng)驗(yàn)進(jìn)行研究，可以全面解析其中的規(guī)律，分析中醫(yī)個體化診療信息特征，提煉出臨證經(jīng)驗(yàn)中蘊(yùn)藏的新理論、新力法，可以實(shí)現(xiàn)經(jīng)驗(yàn)的有效總結(jié)與傳承[11]。與此同時，要求我們用發(fā)展的眼光將現(xiàn)代的科技手段整合加入到傳統(tǒng)的中醫(yī)學(xué)理論中去，推陳出新，通過臨床實(shí)踐與基礎(chǔ)理論的不斷結(jié)合，不斷完善，推動祖國醫(yī)學(xué)現(xiàn)代化，譜寫有關(guān)于中醫(yī)學(xué)在轉(zhuǎn)化醫(yī)學(xué)上新的篇章。

　　參考文獻(xiàn)

　　[1]劉向哲.中醫(yī)理論創(chuàng)新與發(fā)展的基礎(chǔ)和機(jī)遇[J].中醫(yī)學(xué)報，2010，25（5）:884-885.

　　[2]邱仕君，吳玉生.在基礎(chǔ)理論與臨床醫(yī)學(xué)之間———對鄧鐵濤教授五臟相關(guān)學(xué)說的理論思考[J].湖北民族學(xué)院學(xué)報(醫(yī)學(xué)版)，2005，22（2）:36-39.

　　[3]顧寧，周仲英.通下法治療急性腦出血研究進(jìn)展[J].中國中醫(yī)急診，2000，9(5):227.

　　[4]靳士英.鄧鐵濤教授學(xué)術(shù)成就管[J].現(xiàn)代醫(yī)院，2004(9):1-6.

　　[5]許前磊，徐立然，郭會軍，等.艾滋病發(fā)病與防治中醫(yī)理論的初步構(gòu)建[J].中醫(yī)雜志，2015，56（11）:909-911.

　　[6]張少聰，周偉生.名老中醫(yī)驗(yàn)方治療輸卵管阻塞性不孕癥概況[J].中華中醫(yī)藥學(xué)刊，2010（3）:489-491.

　　[7]孟靜巖，應(yīng)森林.試論中醫(yī)基礎(chǔ)理論指導(dǎo)臨床研究的思考與途徑[J].上海中醫(yī)藥大學(xué)學(xué)報，2009（3）:3-5.

　　[8]邢玉瑞.新形勢下中醫(yī)理論發(fā)展的思考[J].中醫(yī)雜志，2016，57（18）:1540-1542.

　　[9]盧峰，聶達(dá)榮，彭美玉，等.中醫(yī)內(nèi)科學(xué)應(yīng)用名老中醫(yī)病案教學(xué)法的探索[J].中國中醫(yī)藥現(xiàn)代遠(yuǎn)程教育，2014（18）:80-82.

　　[10]郭軍.基于數(shù)據(jù)挖掘分析前名老中醫(yī)病案整理的思路與方法[J].中醫(yī)藥信息，2011，28（2）:49-50.

　　[11]吳嘉瑞，唐仕歡，郭位先，等.基于數(shù)據(jù)挖掘的名老中醫(yī)經(jīng)驗(yàn)傳承研究述評[J].中國中藥雜志，2014，39（4）:614-617.

數(shù)據(jù)挖掘論文3

　　引言 數(shù)據(jù)挖掘是指從數(shù)據(jù)集合中自動抽取隱藏在數(shù)據(jù)中的那些有用信息的非平凡過程,這些信息的表現(xiàn)形式為:規(guī)則、概念、規(guī)律及模式等。它可幫助決策者分析歷史數(shù)據(jù)及當(dāng)前數(shù)據(jù),并從中發(fā)現(xiàn)隱藏的關(guān)系和模式,進(jìn)而預(yù)測未來可能發(fā)生的行為。數(shù)據(jù)挖掘的過程也叫知識發(fā)現(xiàn)的過程。

　　一、數(shù)據(jù)挖掘技術(shù) 數(shù)據(jù)挖掘就是指

　　從數(shù)據(jù)庫中發(fā)現(xiàn)知識的過程。包括存儲和處理數(shù)據(jù),選擇處理大量數(shù)據(jù)集的算法、解釋結(jié)果、使結(jié)果可視化。整個過程中支持人機(jī)交互的模式。數(shù)據(jù)挖掘從許多交叉學(xué)科中得到發(fā)展,并有很好的前景。這些學(xué)科包括數(shù)據(jù)庫技術(shù)、機(jī)器學(xué)習(xí)、人工智能、模式識別、統(tǒng)計(jì)學(xué)、模糊推理、專家系統(tǒng)、數(shù)據(jù)可視化、空間數(shù)據(jù)分析和高性能計(jì)算等。數(shù)據(jù)挖掘綜合以上領(lǐng)域的理論、算法和方法,已成功應(yīng)用在超市、金融、銀行、生產(chǎn)企業(yè)和電信,并有很好的表現(xiàn)。

　　二、數(shù)據(jù)挖掘的過程

　　挖掘數(shù)據(jù)過程可以分為3個步驟:數(shù)據(jù)預(yù)處理、模式發(fā)現(xiàn)、模式分析。

　　(1)數(shù)據(jù)預(yù)處理。實(shí)際系統(tǒng)中的數(shù)據(jù)一般都具有不完全性、冗余性和模糊性。因此,數(shù)據(jù)挖掘一般不對原始數(shù)據(jù)進(jìn)行挖掘,要通過預(yù)處理提供準(zhǔn)確、簡潔的數(shù)據(jù)。預(yù)處理主要完成以下工作:包括合并數(shù)據(jù),將多個文件或多個數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行合并處理;選擇數(shù)據(jù),提取出適合分析的數(shù)據(jù)集合;數(shù)據(jù)清洗、過濾,剔除一些無關(guān)記錄,將文件、圖形、圖像及多媒體等文件轉(zhuǎn)換成可便于數(shù)據(jù)挖掘的格式等。

　　(2)模式發(fā)現(xiàn)。模式發(fā)現(xiàn)階段就是利用挖掘算法挖掘出有效的、新穎的、潛在的、有用的以及最終可以理解的信息和知識�？捎糜赪eb的挖掘技術(shù)有路徑選擇、關(guān)聯(lián)分析、分類規(guī)則、聚類分析、序列分析、依賴性建模等等。

　　(3)模式分析。模式分析是從模式發(fā)現(xiàn)階段獲得的模式、規(guī)則中過濾掉不感興趣的規(guī)則和模式。通過技術(shù)手段,對得到的模式進(jìn)行數(shù)據(jù)分析,得出有意義的結(jié)論。常用的技術(shù)手段有:關(guān)聯(lián)規(guī)則、分類、聚類、序列模式等。

　　三、數(shù)據(jù)挖掘在電力系統(tǒng)負(fù)荷預(yù)測中的應(yīng)用

　　電力負(fù)荷預(yù)測是能量管理系統(tǒng)及配電管理系統(tǒng)的重要組成部分,是電力系統(tǒng)規(guī)劃和運(yùn)行調(diào)度的依據(jù),也是電力市場化商業(yè)運(yùn)營所必需的基本內(nèi)容。負(fù)荷預(yù)測工作的關(guān)鍵在于收集大量的歷史數(shù)據(jù),建立科學(xué)有效的預(yù)測模型,采用有效的算法,以歷史數(shù)據(jù)為基礎(chǔ),進(jìn)行大量試驗(yàn)性研究,總結(jié)經(jīng)驗(yàn),不斷修正模型和算法,以真正反映負(fù)荷變化規(guī)律。其過程為:

　　(1) 調(diào)查和選擇歷史負(fù)荷數(shù)據(jù)資料

　　多方面調(diào)查收集資料,包括電力企業(yè)內(nèi)部資料和外部資料,從眾多的資料中挑選出有用的一小部分,即把資料濃縮到最小量。挑選資料時的標(biāo)準(zhǔn)要直接、可靠并且是最新的資料。如果資料的收集和選擇得不好,會直接影響負(fù)荷預(yù)測的質(zhì)量。通過建立計(jì)算機(jī)數(shù)據(jù)管理系統(tǒng),利用計(jì)算機(jī)軟件系統(tǒng)來自動管理數(shù)據(jù)。

　　(2) 負(fù)載數(shù)據(jù)預(yù)處理

　　經(jīng)過初步整理,還用于數(shù)據(jù)分析的預(yù)處理,平滑異常值的歷史數(shù)據(jù)和缺失數(shù)據(jù)的異常數(shù)據(jù)主要是水平的,垂直的方法附錄。正在分析數(shù)據(jù)之前和之后的兩個時間的負(fù)載數(shù)據(jù)作為基準(zhǔn),來設(shè)置要處理的數(shù)據(jù)時,要處理的數(shù)據(jù)的范圍中最大的變化的數(shù)據(jù)的處理的水平超過該范圍時,它被認(rèn)為是壞的數(shù)據(jù),使用平均法平滑變化;垂直負(fù)載數(shù)據(jù)預(yù)處理中的數(shù)據(jù)處理的考慮其24小時的小循環(huán),即,相同的時間的日期不同的負(fù)載應(yīng)具有相似的,同時負(fù)載值應(yīng)保持在一定范圍內(nèi),校正外的范圍內(nèi)的數(shù)據(jù)進(jìn)行處理,在最近幾天的壞數(shù)據(jù),力矩載荷的意思。

　　(3) 歷史資料的整理

　　一般來說,由于預(yù)測的質(zhì)量不會超過所用資料的質(zhì)量,所以要對所收集的與負(fù)荷有關(guān)的統(tǒng)計(jì)資料進(jìn)行審核和必要的加工整理,來保證資料的質(zhì)量,從而為保證預(yù)測質(zhì)量打下基礎(chǔ),即要注意資料的完整無缺,數(shù)字準(zhǔn)確無誤,反映的都是正常狀態(tài)下的水平,資料中沒有異常的.“分離項(xiàng)”,還要注意資料的補(bǔ)缺,并對不可靠的資料加以核實(shí)調(diào)整。通過建立數(shù)據(jù)完整性、一致性約束模型,來建立海量數(shù)據(jù)集為后面的數(shù)據(jù)挖掘做好充分的準(zhǔn)備。

　　(4) 建立負(fù)荷預(yù)測模型

　　負(fù)荷預(yù)測模型是統(tǒng)計(jì)資料軌跡的概括,預(yù)測模型是多種多樣的,因此,對于具體資料要選擇恰當(dāng)?shù)念A(yù)測模型,這是負(fù)荷預(yù)測過程中至關(guān)重要的一步。當(dāng)由于模型選擇不當(dāng)而造成預(yù)測誤差過大時,就需要改換模型,必要時,還可同時采用幾種數(shù)學(xué)模型進(jìn)行運(yùn)算,以便對比、選擇。

　　(5) 選擇算法

　　選擇聚類法又稱聚類分析法,它是對一組負(fù)荷影響因素?cái)?shù)據(jù)進(jìn)行聚類的方法,聚類后的數(shù)據(jù)即構(gòu)成了一組分類。聚類的標(biāo)準(zhǔn)是以數(shù)據(jù)的表象(即數(shù)據(jù)屬性 值)為依據(jù)的,聚類的工具是將一組數(shù)據(jù)按表象而將相近的歸并成類,最終形成若干個類,在類內(nèi)數(shù)據(jù)具有表象的相似性,而類間的數(shù)據(jù)具有表象的相異性。聚類的算法也有很多,有遺傳算法,劃分法,層次法,基于密度方法,基于網(wǎng)格方法等。 四、CURE算法在負(fù)荷預(yù)測中的應(yīng)用 CURE算法是一種分層聚類算法。典型的數(shù)據(jù)點(diǎn)來表示一個具有固定數(shù)目的聚類。的CURE算法需要作為參數(shù)輸入的群集數(shù)?。由于CURE聚類的代表點(diǎn)的某些有代表性的,可以發(fā)現(xiàn)具有任何尺寸和形狀的聚類。同時,在一個集群代表點(diǎn)的選擇方式的中心“縮水”排除“噪音”。

　　歷史上第一個數(shù)據(jù)庫負(fù)荷預(yù)測,數(shù)據(jù)提取樣品。的數(shù)據(jù)樣本聚類,可以分為兩種方法:一個是所有樣本數(shù)據(jù)進(jìn)行聚類,這個方法會使主內(nèi)存容量是遠(yuǎn)遠(yuǎn)不夠的,系統(tǒng)無法掃描一次完成。我們使用所有的樣本數(shù)據(jù)被分成多個區(qū)域,每個區(qū)域的數(shù)據(jù)進(jìn)行聚類,使每個分區(qū)可以品嘗到所有的數(shù)據(jù)加載到主內(nèi)存。然后,針對每個分區(qū),使用分層算法的聚類。

　　電力系統(tǒng)的應(yīng)用SCADA系統(tǒng)中的數(shù)據(jù)測量、記錄、轉(zhuǎn)換、傳輸、收集數(shù)據(jù),并可能導(dǎo)致故障和負(fù)載數(shù)據(jù)丟失或異常。異常數(shù)據(jù)的生成是隨機(jī)的,因此,在數(shù)據(jù)庫中的不確定性的分布,不同類型的異常數(shù)據(jù)出現(xiàn)單獨(dú)或在一個特定的時刻,或交叉混合發(fā)生在同一天連續(xù),或在相同的連續(xù)天期的橫分布,以及許多其他場合。異常數(shù)據(jù)的處理的關(guān)鍵影響的預(yù)測結(jié)果的準(zhǔn)確性。使用兩種不同的技術(shù),以刪除異常。第一種技術(shù)是要刪除的集群增長緩慢。當(dāng)簇的數(shù)量低于某一閾值,將只包含一個或兩個集群成員的刪除,第二種方法是在集群的最后階段,非常小的集群中刪除。

　　最后對樣本中的全部數(shù)據(jù)進(jìn)行聚類,為了保證可以在內(nèi)存中處理,輸入只包括各個分區(qū)獨(dú)自聚類時發(fā)現(xiàn)的簇的代表性點(diǎn)。使用c個點(diǎn)代表每個簇,對磁盤上的整個數(shù)據(jù)庫進(jìn)行聚類。數(shù)據(jù)庫中的數(shù)據(jù)項(xiàng)被分配到與最近的代表性點(diǎn)表示的簇中。代表性點(diǎn)的集合必須足夠小以適應(yīng)主存的大小。

　　結(jié)束語

　　數(shù)據(jù)挖掘技術(shù)雖然得到了一定程度的應(yīng)用,并取得了顯著成效,但仍存在著許多尚未解決的問題。隨著人們對數(shù)據(jù)挖掘技術(shù)的深人研究,數(shù)據(jù)挖掘技術(shù)必將更加成熟,并取得更加顯著的效果。

數(shù)據(jù)挖掘論文4

　　摘要：該文通過介紹電子商務(wù)及數(shù)據(jù)挖掘基本知識，分別從幾個方面分析了電子商務(wù)中WEB數(shù)據(jù)挖掘技術(shù)的應(yīng)用。

　　關(guān)鍵詞：電子商務(wù)；數(shù)據(jù)挖掘；應(yīng)用

　　1概述

　　電子商務(wù)是指企業(yè)或個人以網(wǎng)絡(luò)為載體，應(yīng)用電子手段，利用現(xiàn)代信息技術(shù)進(jìn)行商務(wù)數(shù)據(jù)交換和開展商務(wù)業(yè)務(wù)的活動。隨著互聯(lián)網(wǎng)的迅速發(fā)展，電子商務(wù)比傳統(tǒng)商務(wù)具有更明顯的優(yōu)勢，由于電子商務(wù)具有方便、靈活、快捷的特點(diǎn)，使它已逐漸成為人們生活中不可缺少的活動。目前電子商務(wù)平臺網(wǎng)站多，行業(yè)競爭強(qiáng)，為了獲得更多的客戶資源，電子商務(wù)網(wǎng)站必須加強(qiáng)客戶關(guān)系管理、改善經(jīng)營理念、提升售后服務(wù)。數(shù)據(jù)挖掘是從數(shù)據(jù)集中識別出隱含的、潛在有用的、有效的，新穎的、能夠被理解的信息和知識的過程。由數(shù)據(jù)集合做出歸納推理，從中挖掘并進(jìn)行商業(yè)預(yù)判，能夠幫助電子商務(wù)企業(yè)決策層依據(jù)預(yù)判，對市場策略調(diào)整，將企業(yè)風(fēng)險降低,從而做出正確的決策，企業(yè)利潤將最大化。隨著電子商務(wù)的應(yīng)用日益廣泛，電子商務(wù)活動中會產(chǎn)生大量有用的數(shù)據(jù)，如何能夠數(shù)據(jù)挖掘出數(shù)據(jù)的參考價值？研究客戶的興趣和愛好，對客戶分門別類，將客戶心儀的商品分別推薦給相關(guān)客戶。因此,如何在電子商務(wù)平臺上進(jìn)行數(shù)據(jù)挖掘成為研究的熱點(diǎn)問題。

　　2數(shù)據(jù)挖掘技術(shù)概述

　　數(shù)據(jù)挖掘（DataMining），也稱數(shù)據(jù)庫中的知識發(fā)現(xiàn)（KnowledgeDiscoveryinDatabase，KDD）。數(shù)據(jù)挖掘一般是指從海量數(shù)據(jù)中應(yīng)用算法查找出隱藏的、未知的信息的過程。數(shù)據(jù)挖掘是一個在大數(shù)據(jù)資源中利用分析工具發(fā)現(xiàn)模型與數(shù)據(jù)之間關(guān)系的一個過程，數(shù)據(jù)挖掘?qū)�決策者尋找數(shù)據(jù)間潛在的某種關(guān)聯(lián)，發(fā)現(xiàn)隱藏的因素起著關(guān)鍵作用。這些模式是有潛在價值的、并能夠被理解的。數(shù)據(jù)挖掘?qū)⑷斯ぶ悄�、機(jī)器學(xué)習(xí)、數(shù)據(jù)庫、統(tǒng)計(jì)、可視化、信息檢索、并行計(jì)算等多個領(lǐng)域的理論與技術(shù)融合在一起的一門多學(xué)科交叉學(xué)問，這些學(xué)科也對數(shù)據(jù)挖掘提供了很大的技術(shù)支撐。

　　3Web數(shù)據(jù)挖掘特點(diǎn)

　　Web數(shù)據(jù)挖掘就是數(shù)據(jù)挖掘在Web中的應(yīng)用。Web數(shù)據(jù)挖掘的目的是從萬維網(wǎng)的網(wǎng)頁的內(nèi)容、超鏈接的結(jié)構(gòu)及使用日志記錄中找到有價值的'數(shù)據(jù)或信息。依據(jù)挖掘過程中使用的數(shù)據(jù)類別，Web數(shù)據(jù)挖掘任務(wù)可分為：Web內(nèi)容挖掘、Web結(jié)構(gòu)挖掘、Web使用記錄挖掘。

　　1）Web內(nèi)容挖掘指從網(wǎng)頁中提取文字、圖片或其他組成網(wǎng)頁內(nèi)容的信息，挖掘?qū)ο笸ǔ０�含文本、圖形、音視頻、多媒體以及其他各種類型數(shù)據(jù)。

　　2）Web結(jié)構(gòu)挖掘是對Web頁面之間的結(jié)構(gòu)進(jìn)行挖掘，挖掘描述內(nèi)容是如何組織的，從Web的超鏈接結(jié)構(gòu)中尋找Web結(jié)構(gòu)和頁面結(jié)構(gòu)中的有價值模式。例如從這些鏈接中，我們可以找出哪些是重要的網(wǎng)頁，依據(jù)網(wǎng)頁的主題，進(jìn)行自動的聚類和分類，為了不同的目的從網(wǎng)頁中根據(jù)模式獲取有用的信息，從而提高檢索的質(zhì)量及效率。

　　3）Web使用記錄挖掘是根據(jù)對服務(wù)器上用戶訪問時的訪問記錄進(jìn)行挖掘的方法。Web使用挖掘?qū)⑷罩緮?shù)據(jù)映射為關(guān)系表并采用相應(yīng)的數(shù)據(jù)挖掘技術(shù)來訪問日志數(shù)據(jù)，對用戶點(diǎn)擊事件的搜集和分析發(fā)現(xiàn)用戶導(dǎo)航行為。它用來提取關(guān)于客戶如何瀏覽和使用訪問網(wǎng)頁的鏈接信息。如訪問了哪些頁面？在每個頁面中所停留的時間？下一步點(diǎn)擊了什么？在什么樣的路線下退出瀏覽的？這些都是Web使用記錄挖掘所關(guān)心要解決的問題。

　　4電子商務(wù)中Web挖掘中技術(shù)的應(yīng)用分析

　　1）電子商務(wù)中序列模式分析的應(yīng)用

　　序列模式數(shù)據(jù)挖掘就是要挖掘基于時間或其他序列的模式。如在一套按時間順序排列的會話或事務(wù)中一個項(xiàng)目有存在跟在另一個項(xiàng)目后面。通過這個方法，WEB銷售商可以預(yù)測未來的訪問模式，以幫助針對特定用戶組進(jìn)行廣告排放設(shè)置。發(fā)現(xiàn)序列模式容易使客戶的行為被電子商務(wù)的組織者預(yù)測，當(dāng)用戶瀏覽站點(diǎn)時，盡可能地迎合每個用戶的瀏覽習(xí)慣并根據(jù)用戶感興趣的內(nèi)容不斷調(diào)整網(wǎng)頁，盡可能地使每個用戶滿意。使用序列模式分析挖掘日志，可以發(fā)現(xiàn)客戶的訪問序列模式。在萬維網(wǎng)使用記錄挖掘應(yīng)用中，序列模式挖掘可以用于捕捉用戶路徑之中常用的導(dǎo)航路徑。當(dāng)用戶訪問電子商務(wù)網(wǎng)站時，網(wǎng)站管理員能夠搜索出這個訪問者的對該網(wǎng)站的訪問序列模式，將訪問者感興趣但尚未瀏覽的頁面推薦給他。序列模式分析還能分析出商品購買的前后順序，從而向客戶提出推薦。例如在搜索引擎是發(fā)出查詢請求、瀏覽網(wǎng)頁信息等，會彈出與這些信息相關(guān)的廣告。例如購買了打印機(jī)的用戶，一般不久就會購買如打印紙、硒鼓等打印耗材。優(yōu)秀的推薦系統(tǒng)將為客戶建立一個專屬商店,由每個客戶的特征來調(diào)整網(wǎng)站的內(nèi)容。也能由挖掘出的一些序列模式分析網(wǎng)站及產(chǎn)品促銷的效果。

　　2）電子商務(wù)中關(guān)聯(lián)規(guī)則的應(yīng)用

　　關(guān)聯(lián)規(guī)則是揭示數(shù)據(jù)之間隱含的相互關(guān)系，關(guān)聯(lián)分析的任務(wù)是發(fā)現(xiàn)事物間的關(guān)聯(lián)規(guī)則或相關(guān)程序。關(guān)聯(lián)規(guī)則挖掘的目標(biāo)是在數(shù)據(jù)項(xiàng)目中找出每一個數(shù)據(jù)信息的內(nèi)在關(guān)系。關(guān)聯(lián)規(guī)則挖掘就是要搜索出用戶在服務(wù)器上訪問的內(nèi)容、頁面、文件之間的聯(lián)系，從而改進(jìn)電子商務(wù)網(wǎng)站設(shè)計(jì)�？梢愿�好在組織站點(diǎn)，減少用戶過濾網(wǎng)站信息的負(fù)擔(dān)，哪些商品顧客會可能在一次購物時同時購買？關(guān)聯(lián)規(guī)則技術(shù)能夠通過購物籃中的不同商品之間的聯(lián)系，分析顧客的購物習(xí)慣。例如購買牛奶的顧客90%會同時還購買面包，這就是一條關(guān)聯(lián)規(guī)則，如果商店或電子商務(wù)網(wǎng)站將這兩種商品放在一起銷售，將會提高它們的銷量。關(guān)聯(lián)規(guī)則挖掘目標(biāo)是利用工具分析出顧客購買商品間的聯(lián)系，也即典型購物籃數(shù)據(jù)分析應(yīng)用。關(guān)聯(lián)規(guī)則是發(fā)現(xiàn)同類事件中不同項(xiàng)目的相關(guān)性，例如手機(jī)加充電寶，鼠標(biāo)加鼠標(biāo)墊等購買習(xí)慣就屬于關(guān)聯(lián)分析。關(guān)聯(lián)規(guī)則挖掘技術(shù)可以用相應(yīng)算法找出關(guān)聯(lián)規(guī)則，例如在上述例子中，商家可以依據(jù)商品間的關(guān)聯(lián)改進(jìn)商品的擺放，如果顧客購買了手機(jī)則將充電寶放入推薦的商品中，如果一些商品被同時購買的概率較大，說明這些商品存在關(guān)聯(lián)性，商家可以將這些有關(guān)聯(lián)的商品鏈接放在一起推薦給客戶,有利于商品的銷售，商家也根據(jù)關(guān)聯(lián)有效搭配進(jìn)貨，提升商品管理水平。如買了燈具的顧客，多半還會購買開關(guān)插座，因此，一般會將燈具與開關(guān)插座等物品放在一個區(qū)域供顧客選購。依據(jù)分析找出顧客所需要的商品的關(guān)聯(lián)規(guī)則，由挖掘分析結(jié)果向顧客推薦所需商品，也即向顧客提出可能會感興趣的商品推薦，將會大大提高商品的銷售量。

　　3）電子商務(wù)中路徑分析技術(shù)的應(yīng)用

　　路徑分析技術(shù)通過對Web服務(wù)器的日志文件中客戶訪問站點(diǎn)的訪問次數(shù)的分析，用來發(fā)現(xiàn)Web站點(diǎn)中最經(jīng)常訪問的路徑來調(diào)整站點(diǎn)結(jié)構(gòu)，從而幫助使用用戶以最快的速度找到其所需要的產(chǎn)品或是信息。例如在用戶訪問某網(wǎng)站時，如果有很多用戶不感興趣的頁面存在，就會影響用戶的網(wǎng)頁瀏覽速度，從而降低用戶的瀏覽興趣，同時也會使整個站點(diǎn)的維護(hù)成本提高。而利用路徑分析技術(shù)能夠全面地掌握網(wǎng)站各個頁面之間的關(guān)聯(lián)以及超鏈接之間的聯(lián)系，通過分析得出訪問頻率最高的頁面，從而改進(jìn)網(wǎng)站結(jié)構(gòu)及頁面的設(shè)計(jì)。

　　4）電子商務(wù)中分類分析的應(yīng)用

　　分類技術(shù)在根據(jù)各種預(yù)定義規(guī)則進(jìn)行用戶建模的Web分析應(yīng)用中扮演著很重要的角色。例如，給出一組用戶事務(wù)，可以計(jì)算每個用戶在某個期間內(nèi)購買記錄總和�；�于這些數(shù)據(jù)，可以建立一個分類模型，將用戶分成有購買傾向和沒有購買傾向兩類，考慮的特征如用戶統(tǒng)計(jì)屬性以及他們的導(dǎo)航活動。分類技術(shù)既可以用于預(yù)測哪些購買客戶對于哪類促銷手段感興趣，也可以預(yù)測和劃分顧客類別。在電子商務(wù)中通過分類分析，可以得知各類客戶的興趣愛好和商品購買意向，因而發(fā)現(xiàn)一些潛在的購買客戶，從而為每一類客戶提供個性化的網(wǎng)絡(luò)服務(wù)及開展針對性的商務(wù)活動。通過分類定位模型輔助決策人員定位他們的最佳客戶和潛在客戶，提高客戶滿意度及忠誠度，最大化客戶收益率，以降低成本，增加收入。

　　5）電子商務(wù)中聚類分析的應(yīng)用

　　聚類技術(shù)可以將具有相同特征的數(shù)據(jù)項(xiàng)聚成一類。聚類分析是對數(shù)據(jù)庫中相關(guān)數(shù)據(jù)進(jìn)行對比并找出各數(shù)據(jù)之間的關(guān)系，將不同性質(zhì)特征的數(shù)據(jù)進(jìn)行分類。聚類分析的目標(biāo)是在相似的基礎(chǔ)上收集數(shù)據(jù)來分類。根據(jù)具有相同或相似的顧客購買行為和顧客特征，利用聚類分析技術(shù)將市場有效地細(xì)分，細(xì)分后應(yīng)可每類市場都制定有針對性的市場營銷策略。聚類分別有頁面聚類和用戶聚類兩種。用戶聚類是為了建立擁有相同瀏覽模式的用戶分組，可以在電子中商務(wù)中進(jìn)行市場劃分或給具有相似興趣的用戶提供個性化的Web內(nèi)容，更多在用戶分組上基于用戶統(tǒng)計(jì)屬性（如年齡、性別、收入等）的分析可以發(fā)現(xiàn)有價值的商業(yè)智能。在電子商務(wù)中將市場進(jìn)行細(xì)化的區(qū)分就是運(yùn)用聚類分析技術(shù)。聚類分析可根據(jù)顧客的購買行為來劃分不同顧客特征的不同顧客群，通過聚類具有類似瀏覽行為的客戶，讓市場人員對顧客進(jìn)行類別細(xì)分，能夠給顧客提供更人性化的貼心服務(wù)。比如通過聚類技術(shù)分析，發(fā)現(xiàn)一些顧客喜歡訪問有關(guān)汽車配件網(wǎng)頁內(nèi)容，就可以動態(tài)改變站點(diǎn)內(nèi)容，讓網(wǎng)絡(luò)自動地給這些顧客聚類發(fā)送有關(guān)汽車配件的新產(chǎn)品信息或郵件。分類和聚類往往是相互作用的。在電子商務(wù)中通過聚類行為或習(xí)性相似的顧客，給顧客提供更滿意的服務(wù)。技術(shù)人員在分析中先用聚類分析將要分析的數(shù)據(jù)進(jìn)行聚類細(xì)分，然后用分類分析對數(shù)據(jù)集合進(jìn)行分類標(biāo)記，再將該標(biāo)記重新進(jìn)行分類，一直如此循環(huán)兩種分析方法得到相對滿意的結(jié)果。

　　5結(jié)語

　　隨著互聯(lián)網(wǎng)的飛速發(fā)展，大數(shù)據(jù)分析應(yīng)用越來越廣。商業(yè)貿(mào)易中電子商務(wù)所占比例越來越大，使用web挖掘技術(shù)對商業(yè)海量數(shù)據(jù)進(jìn)行挖掘處理，分析客戶購買喜好、跟蹤市場變化，調(diào)整銷售策略，對決策者做出有效決策及提高企業(yè)的市場競爭力有重要意義。

　　參考文獻(xiàn)：

　　[1]龐英智.Web數(shù)據(jù)挖掘技術(shù)在電子商務(wù)中的應(yīng)用[J].情報科學(xué),20xx,29(2):235-240.

　　[2]馬宗亞,張會彥.Web數(shù)據(jù)挖掘技術(shù)在電子商務(wù)中的應(yīng)用研究[J].現(xiàn)代經(jīng)濟(jì)信息,20xx(6):23-24.

　　[3]徐劍彬.Web數(shù)據(jù)挖掘技術(shù)在電子商務(wù)中的應(yīng)用[J].時代金融，20xx(4):234-235.208

　　[4]周世東.Web數(shù)據(jù)挖掘在電子商務(wù)中的應(yīng)用研究[D].北京交通大學(xué),20xx.

　　[5]段紅英.Web數(shù)據(jù)挖掘技術(shù)在電子商務(wù)中的應(yīng)用[J].隴東學(xué)院學(xué)報,20xx(3):32-34.

數(shù)據(jù)挖掘論文5

　　隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，學(xué)術(shù)研究環(huán)境較以前更加開放，對傳統(tǒng)的科技出版業(yè)提出了開放性、互動性和快速性的要求; 因此，以信息技術(shù)為基礎(chǔ)的現(xiàn)代數(shù)字化出版方式對傳統(tǒng)的科技出版業(yè)產(chǎn)生著深刻的影響。為了順應(yīng)這一趨勢，不少科技期刊都進(jìn)行了數(shù)字化建設(shè)，構(gòu)建了符合自身情況、基于互聯(lián)網(wǎng)B /S 結(jié)構(gòu)的稿件處理系統(tǒng)。

　　以中華醫(yī)學(xué)會雜志社為代表的部分科技期刊出版集團(tuán)均開發(fā)使用了發(fā)行系統(tǒng)、廣告登記系統(tǒng)、在線銷售系統(tǒng)以及站。這些系統(tǒng)雖然積累了大量的原始用戶業(yè)務(wù)數(shù)據(jù); 但從工作系統(tǒng)來看，由于數(shù)據(jù)本身只屬于編輯部的業(yè)務(wù)數(shù)據(jù)，因此一旦相關(guān)業(yè)務(wù)工作進(jìn)行完畢，將很少再對這些數(shù)據(jù)進(jìn)行分析使用。

　　隨著目前人工智能和機(jī)器學(xué)習(xí)技術(shù)的發(fā)展，研究人員發(fā)現(xiàn)利用最新的數(shù)據(jù)挖掘方法可以對原始用戶業(yè)務(wù)數(shù)據(jù)進(jìn)行有效分析和學(xué)習(xí)，找出其中數(shù)據(jù)背后隱含的內(nèi)在規(guī)律。這些有價值的規(guī)律和寶貴的經(jīng)驗(yàn)將對后續(xù)科技期刊經(jīng)營等工作提供巨大的幫助。

　　姚偉欣等指出，從STM 期刊出版平臺的技術(shù)發(fā)展來看，利用數(shù)據(jù)存取、數(shù)據(jù)管理、關(guān)聯(lián)數(shù)據(jù)分析、海量數(shù)據(jù)分析等數(shù)據(jù)挖掘技術(shù)將為科技期刊的出版和發(fā)行提供有力的幫助。通過使用數(shù)據(jù)挖掘( data mining) 等各種數(shù)據(jù)處理技術(shù)，人們可以很方便地從大量不完全且含有噪聲或相對模糊的實(shí)際數(shù)據(jù)中，提取隱藏在其中有價值的信息，從而對后續(xù)科技期刊出版工作起到重要的知識發(fā)現(xiàn)和決策支持的作用。

　　1 數(shù)據(jù)挖掘在科技期刊中應(yīng)用的現(xiàn)狀

　　傳統(tǒng)的數(shù)據(jù)庫對數(shù)據(jù)的處理功能包括增、刪、改、查等。這些技術(shù)均無法發(fā)現(xiàn)數(shù)據(jù)內(nèi)在的關(guān)聯(lián)和規(guī)則，更無法根據(jù)現(xiàn)有數(shù)據(jù)對未來發(fā)展的趨勢進(jìn)行預(yù)測。現(xiàn)有數(shù)據(jù)挖掘的任務(wù)可以分為對數(shù)據(jù)模型進(jìn)行分類或預(yù)測、數(shù)據(jù)總結(jié)、數(shù)據(jù)聚類、關(guān)聯(lián)規(guī)則發(fā)現(xiàn)、序列模式發(fā)現(xiàn)、依賴關(guān)系發(fā)現(xiàn)、異�；蚶�外點(diǎn)檢測以及趨勢發(fā)現(xiàn)等，但目前國內(nèi)科技期刊行業(yè)利用數(shù)據(jù)挖掘方法進(jìn)行大規(guī)模數(shù)據(jù)處理仍處在起步階段。張品純等對中國科協(xié)所屬的科技期刊出版單位的現(xiàn)狀進(jìn)行分析后發(fā)現(xiàn)，中國科協(xié)科技期刊出版單位多為單刊獨(dú)立經(jīng)營，單位的規(guī)模較小、實(shí)力較弱，多數(shù)出版單位不具備市場主體地位。這樣就導(dǎo)致國內(nèi)大部分科技期刊既沒有能力進(jìn)行數(shù)據(jù)挖掘，也沒有相應(yīng)的數(shù)據(jù)資源準(zhǔn)備。以數(shù)據(jù)挖掘技術(shù)應(yīng)用于期刊網(wǎng)站為例，為了進(jìn)行深入的數(shù)據(jù)分析，期刊經(jīng)營人員需要找到稿件與讀者之間、讀者群體之間隱藏的內(nèi)在聯(lián)系。目前，數(shù)據(jù)挖掘的基本步驟為: 1) 明確數(shù)據(jù)挖掘的對象與目標(biāo);2) 確定數(shù)據(jù)源; 3) 建立數(shù)據(jù)模型; 4) 建立數(shù)據(jù)倉庫; 5)數(shù)據(jù)挖掘分析; 6) 對象與目標(biāo)的數(shù)據(jù)應(yīng)用和反饋。

　　2 期刊數(shù)據(jù)的資源整合

　　編輯部從稿件系統(tǒng)、發(fā)行系統(tǒng)、廣告系統(tǒng)、站等各個系統(tǒng)中將相關(guān)數(shù)據(jù)進(jìn)行清洗、轉(zhuǎn)換和整理，然后加載到數(shù)據(jù)倉庫中。進(jìn)一步，根據(jù)業(yè)務(wù)應(yīng)用的范圍和緊密度，建立相關(guān)數(shù)據(jù)集市。期刊數(shù)據(jù)資源的整合過程從數(shù)據(jù)體系上可分為數(shù)據(jù)采集層、數(shù)據(jù)存儲處理層和數(shù)據(jù)展現(xiàn)層。

　　要獲得能夠適合企業(yè)內(nèi)部多部門均可使用、挖掘和分析的數(shù)據(jù)，可以從業(yè)務(wù)的關(guān)聯(lián)性分析數(shù)據(jù)的準(zhǔn)確性、一致性、有效性和數(shù)據(jù)的內(nèi)在關(guān)聯(lián)性。

　　3 期刊數(shù)據(jù)的信息挖掘

　　信息挖掘?yàn)榱藦牟煌�種類和形式的業(yè)務(wù)進(jìn)行抽取、變換、集成數(shù)據(jù)，最后將其存儲到數(shù)據(jù)倉庫，并要對數(shù)據(jù)的質(zhì)量進(jìn)行維護(hù)和管理。數(shù)據(jù)挖掘可以有效地識別讀者的閱讀行為，發(fā)現(xiàn)讀者的閱讀模式和趨勢，對網(wǎng)站改進(jìn)服務(wù)質(zhì)量、取得更好的用戶黏稠度和滿意度、提高科技期刊經(jīng)營能力有著重要的意義。作為一個分析推薦系統(tǒng)，我們將所分析的統(tǒng)計(jì)結(jié)果存儲于服務(wù)器中，在用戶或決策者需要查詢時，只需輸入要找尋的用戶信息，系統(tǒng)將從數(shù)據(jù)庫中抽取其個人信息，并處理返回到上網(wǎng)時間分布、興趣點(diǎn)所在、適配業(yè)務(wù)及他對于哪些業(yè)務(wù)是有價值客戶，甚至包括他在什么時段對哪類信息更感興趣等。只有這些信息才是我們的使用對象所看重和需要的。

　　網(wǎng)站結(jié)構(gòu)挖掘是挖掘網(wǎng)站中潛在的鏈接結(jié)構(gòu)模式。通過分析一個網(wǎng)頁的鏈接、鏈接數(shù)量以及鏈接對象，建立網(wǎng)站自身的鏈接結(jié)構(gòu)模式。在此過程中，如果發(fā)現(xiàn)某一頁面被較多鏈接所指向，則說明該頁面信息是有價值的，值得期刊工作人員做更深層次的挖掘。網(wǎng)站結(jié)構(gòu)挖掘在具體應(yīng)用時采用的結(jié)構(gòu)和技術(shù)各不相同; 但主要過程均包括預(yù)處理、模式發(fā)現(xiàn)和模式分析3 部分。為了反映讀者興趣取向，就需要對數(shù)據(jù)庫中的數(shù)據(jù)按用戶進(jìn)行抽樣分析，得到興趣點(diǎn)的統(tǒng)計(jì)結(jié)果，而個人的興趣分析也可基于此思路進(jìn)行。下面以《中華醫(yī)學(xué)雜志》為例做一介紹。

　　預(yù)處理預(yù)處理是網(wǎng)站結(jié)構(gòu)挖掘最關(guān)鍵的一個環(huán)節(jié)，其處理得到的數(shù)據(jù)質(zhì)量直接關(guān)系到使用數(shù)據(jù)挖掘和模式分析方法進(jìn)行分析的結(jié)果。預(yù)處理步驟包括數(shù)據(jù)清洗、用戶識別、會話識別、路徑補(bǔ)充和事件識別。以《中華醫(yī)學(xué)雜志》網(wǎng)站www. nmjc. net. cn 的日志分析為例。首先給出一條已有的Log，其內(nèi)容為“20xx-03-04 12: 13: 47 W3SVC80003692 172. 22. 4. 3GET /index. asp-80-123. 185. 247. 49Mozilla /5. 0 +( Windows + NT + 6. 1; + WOW64 ) + AppleWebKit /537. 36 + ( KHTML，+ like + Gecko) + Chrome /28. 0.1500. 95 + Safari /537. 36 + SE + 2. X + MetaSr + 1. 0200 0 0”。從Log 的內(nèi)容，工作人員可以得到相關(guān)信息，如用戶IP、用戶訪問頁面事件、用戶訪問的頁面、用戶請求的方法、返回HTTP 狀態(tài)以及用戶瀏覽的上一頁面等內(nèi)容。

　　由于服務(wù)器同時部署了多個編輯部網(wǎng)站，這就要求工作人員必須對得到的訪問www. nmjc. net. cn 日志，去除由爬蟲軟件產(chǎn)生的記錄。這些記錄一般都會在日志結(jié)尾包含“Spider”的字樣。同時，還需要去除不是由GET 請求產(chǎn)生的日志以及請求資源不是頁面類型的日志。最后，工作人員還需要去除訪問錯誤的請求，可以根據(jù)日志中請求的狀態(tài)進(jìn)行判斷。一般認(rèn)為，請求狀態(tài)在( 200， 300) 范圍內(nèi)是訪問正確的日志，其他如403、400 和500 等都是訪問錯誤的日志。用戶識別可以根據(jù)用戶的IP 地址和用戶的系統(tǒng)信息來完成。只有在IP 地址和系統(tǒng)信息都完全一致的情況下，才識別為一個用戶。會話識別是利用面向時間的探索法，根據(jù)超時技術(shù)來識別一個用戶的多次會話。如果用戶在一段時間內(nèi)沒有任何操作，則認(rèn)為會話結(jié)束。用戶在規(guī)定時間后重新訪問，則被認(rèn)為不屬于此次會話，而是下次會話的開始。

　　利用WebLogExplore 分析日志、用戶和網(wǎng)頁信息在獲得了有效的日志數(shù)據(jù)后，工作人員可以利用一些有效數(shù)據(jù)挖掘算法進(jìn)行模式發(fā)現(xiàn)。目前，主要的數(shù)據(jù)挖掘方法有統(tǒng)計(jì)分析、關(guān)聯(lián)規(guī)則、分類、聚類以及序列模式等技術(shù)。本文主要討論利用Apriori 算法來發(fā)現(xiàn)科技期刊日志數(shù)據(jù)中的關(guān)聯(lián)規(guī)則。本質(zhì)上數(shù)據(jù)挖掘不是用來驗(yàn)證某個假定的模式的正確性，而是在數(shù)據(jù)庫中自己尋找模型，本質(zhì)是一個歸納的過程。支持度( Support) 的公式定義為: Support ( A≥B) = P( A ∪B) 。支持度可以用于度量事件A 與B 同時出現(xiàn)的概率。如果事件A 與B 同時出現(xiàn)的概率較小，說明事件A 與B 的關(guān)系不大; 如果事件A 與B 同時出現(xiàn)非常頻繁，則說明事件A 與B 總是相關(guān)的。置信度( Confidence) 的公式定義為: Confidence( A≥B) = P( A | B) 。置信度揭示了事件A 出現(xiàn)時，事件B 是否也會出現(xiàn)或有多大概率出現(xiàn)。如果置信度為100%，則事件A 必然會導(dǎo)致事件B 出現(xiàn)。置信度太低，說明事件A 的出現(xiàn)與事件B 是否出現(xiàn)關(guān)系不大。

　　對所有的科技期刊日志數(shù)據(jù)進(jìn)行預(yù)處理后，利用WebLogExplore 軟件可得到日志匯總表。表中存儲了所有用戶訪問網(wǎng)站頁面的詳細(xì)信息，工作人員可將其導(dǎo)入數(shù)據(jù)庫中。以查看到所選擇用戶訪問期刊頁面的詳細(xì)信息。

　　同樣，在WebLogExplore 軟件中選擇感興趣的頁面，可以查看所有用戶訪問該頁面的統(tǒng)計(jì)信息，如該頁面的訪問用戶數(shù)量等。工作人員可以對用戶訪問排名較高的頁面進(jìn)行進(jìn)一步的模式分析。

　　步驟1: 將圖2 日志信息匯總表中的數(shù)據(jù)導(dǎo)入數(shù)據(jù)庫中，建立日志總表。

　　步驟2: 在數(shù)據(jù)庫中建立一個新表命名為tj。

　　步驟3: 通過查詢程序得到日志總表中每一個用戶訪問的頁面，同時做distinct 處理。

　　步驟4: 將查詢得到的用戶訪問頁面記錄進(jìn)行判斷。如果用戶訪問過排名前20 位的某個頁面，則在數(shù)據(jù)庫中寫入true，否則寫入false。依次循環(huán)判斷寫入數(shù)據(jù)庫中。

　　步驟5: 統(tǒng)計(jì)每個訪問排名靠前頁面的支持度，設(shè)置一維項(xiàng)目集的最小閥值( 10%) 。

　　步驟6: 統(tǒng)計(jì)大于一維閥值的頁面，寫入數(shù)組，并對數(shù)組內(nèi)部頁面進(jìn)行兩兩組合，統(tǒng)計(jì)每個組合2 個頁面值均為true 時的二維項(xiàng)目集的支持度。

　　步驟7: 設(shè)置二維項(xiàng)目集支持度的閥值，依次統(tǒng)計(jì)三維項(xiàng)目集支持度和置信度( A≥B) ，即當(dāng)A 頁面為true 時，統(tǒng)計(jì)B 頁面為true 的數(shù)量，除以A 為true 的數(shù)量。設(shè)置相應(yīng)的置信度閥值，找到訪問排名靠前頁面之間較強(qiáng)的關(guān)聯(lián)規(guī)則。

　　4 數(shù)據(jù)挖掘技術(shù)應(yīng)用的意義

　　1) 對頻繁訪問的用戶，可以使用用戶識別技術(shù)分析此用戶的歷史訪問記錄，得到他經(jīng)常訪問的頁面。當(dāng)該用戶再次登錄系統(tǒng)時，可以對其進(jìn)行個性化提示或推薦。這樣，既方便用戶使用，也可將系統(tǒng)做得更加友好。很多OA 期刊網(wǎng)站，不具備歷史瀏覽記錄的功能; 但瀏覽記錄對用戶來講其實(shí)十分重要，隱含了用戶對文章的篩選過程，所以對用戶經(jīng)常訪問的頁面需要進(jìn)行優(yōu)化展示，不能僅僅提供鏈接地址，需要將文章題名、作者、關(guān)鍵詞等信息以列表的方式予以顯示。

　　2) 由數(shù)據(jù)挖掘技術(shù)而產(chǎn)生的頻繁項(xiàng)目集的分析，可以對網(wǎng)站的結(jié)構(gòu)進(jìn)行改進(jìn)。支持度很高的頁面，說明該頁面的用戶訪問量大。為了方便用戶以及吸引更多的讀者，可以將這些頁面放置在更容易被訪問的位置，科技期刊的'網(wǎng)站內(nèi)容一般以年、卷、期的形式展示。用戶如果想查看某一篇影響因子很高的文章，也必須通過年卷期的方式來查看，非常不方便而且頁面友好性不高。通過數(shù)據(jù)挖掘的分析，編輯部可以把經(jīng)常被訪問或者高影響因子的文章放在首頁展示。

　　3) 對由數(shù)據(jù)挖掘技術(shù)產(chǎn)生的頻繁項(xiàng)目集的分析，可以發(fā)現(xiàn)用戶的關(guān)注熱點(diǎn)。若某些頁面或項(xiàng)目被用戶頻繁訪問，則可以用這些數(shù)據(jù)對用戶進(jìn)行分析。一般來說科技期刊的讀者，每個人的專業(yè)和研究方向都是不同的，編輯部可以通過數(shù)據(jù)挖掘技術(shù)來判斷讀者的研究方向和感興趣的熱點(diǎn)，對每一個用戶進(jìn)行有針對性的內(nèi)容推送和消息發(fā)送。

　　4) 網(wǎng)站管理者可以根據(jù)在不同時間內(nèi)頻繁項(xiàng)目集的變化情況對科技期刊網(wǎng)站進(jìn)行有針對性的調(diào)整，比如加入更多關(guān)于該熱點(diǎn)的主題資源。目前大多數(shù)科技期刊網(wǎng)站首頁的內(nèi)容，均為編輯部工作人員后臺添加、置頂、高亮來吸引用戶的; 通過數(shù)據(jù)挖掘技術(shù)，完全可以擯棄這種展示方式。編輯部網(wǎng)站的用戶訪問哪些頁面頻繁，系統(tǒng)便會自動將這些頁面的文章推向首頁，不需要編輯部的人工干預(yù)，整個網(wǎng)站實(shí)現(xiàn)自動化運(yùn)行。

　　5 后記

　　本文重點(diǎn)討論了數(shù)據(jù)挖掘技術(shù)與科技期刊網(wǎng)站頁面之間的關(guān)系。其實(shí)我們還可以從很多方面進(jìn)行數(shù)據(jù)挖掘，比如可以對網(wǎng)站的用戶和內(nèi)容進(jìn)行數(shù)據(jù)挖掘，通過分析可以為后期的期刊經(jīng)營做好鋪墊。

　　有一點(diǎn)很重要，沒有一種數(shù)據(jù)挖掘的分析方法可以應(yīng)付所有的需求。對于某一種問題，數(shù)據(jù)本身的特性會影響你的選擇，需要用到許多不同的數(shù)據(jù)挖掘方法以及技術(shù)從數(shù)據(jù)中找到最佳的模型。

　　在目前深化文化體制改革，推動社會主義文化大發(fā)展、大繁榮的政治形勢下，利用數(shù)據(jù)挖掘技術(shù)從中進(jìn)行提取、分析和應(yīng)用，能有效地幫助企業(yè)了解客戶、改進(jìn)系統(tǒng)、制訂合理的市場策略、提高企業(yè)的銷售水平和利潤。通過利用數(shù)據(jù)挖掘技術(shù)準(zhǔn)確定位優(yōu)質(zhì)客戶，向客戶提供更精確、更有價值的個性化服務(wù)。這將成為未來科技期刊經(jīng)營十分重要的突破點(diǎn)和增長點(diǎn)。

數(shù)據(jù)挖掘論文6

　　摘要：隨著科學(xué)技術(shù)的不斷發(fā)展，數(shù)據(jù)挖掘技術(shù)也應(yīng)運(yùn)而生。為了高效有序的醫(yī)療信息管理，需要加強(qiáng)數(shù)據(jù)挖掘技術(shù)在醫(yī)療信息管理中的實(shí)際應(yīng)用，從而提升醫(yī)院的管理水平，為醫(yī)院的管理工作及資源的合理配置提供多樣化發(fā)展的可能性。筆者將針對數(shù)據(jù)挖掘技術(shù)在醫(yī)療信息管理中的應(yīng)用這一課題進(jìn)行相應(yīng)的探究，從而提出合理的改進(jìn)建議。

　　關(guān)鍵詞：挖掘技術(shù)；醫(yī)療信息管理；應(yīng)用方式

　　數(shù)據(jù)挖掘作為一種數(shù)據(jù)信息再利用的有效技術(shù)，能夠有效地為醫(yī)院的管理決策提供重要信息。它以數(shù)據(jù)庫、人工智能以及數(shù)理統(tǒng)計(jì)為主要技術(shù)支柱進(jìn)行技術(shù)管理與決策。而在醫(yī)療信息管理過程之中應(yīng)用數(shù)據(jù)挖掘技術(shù)能夠較好地針對醫(yī)療衛(wèi)生信息進(jìn)行整理與歸類來建立管理模型，形成有效的總結(jié)數(shù)據(jù)的同時能夠?yàn)獒t(yī)療工作的高效進(jìn)行提供有價值的信息。所以筆者將以數(shù)據(jù)挖掘技術(shù)在醫(yī)療信息管理中的應(yīng)用為著手點(diǎn)，從而針對其應(yīng)用現(xiàn)狀進(jìn)行探究，以此提出加強(qiáng)數(shù)據(jù)挖掘技術(shù)在醫(yī)療信息管理中應(yīng)用的具體措施，希望能夠在理論層面上推動醫(yī)療信息管理工作的飛躍。

　　1在醫(yī)療信息管理中應(yīng)用數(shù)據(jù)挖掘技術(shù)的基本內(nèi)涵

　　數(shù)據(jù)挖掘是結(jié)合信息收集技術(shù)、人工智能處理技術(shù)以及分析檢測技術(shù)等所形成的功能強(qiáng)大的技術(shù)。它能夠?qū)崿F(xiàn)對于數(shù)據(jù)的收集、問題的定義與處理，并且能夠較好地對于結(jié)果進(jìn)行解釋與評估。在醫(yī)療信息管理工作進(jìn)行的過程之中，應(yīng)用數(shù)據(jù)挖掘技術(shù)可以較好地加強(qiáng)醫(yī)療信息數(shù)據(jù)模型的建立，同時以多種形式出現(xiàn)，例如文字信息、基本信號信息、圖像收集等，也能夠用來進(jìn)行醫(yī)療信息的科普與宣傳。并且，數(shù)據(jù)挖掘技術(shù)在醫(yī)療信息中所體現(xiàn)出的應(yīng)用方式有所不同，在數(shù)據(jù)挖掘技術(shù)應(yīng)用過程之中，既可以針對同一類的實(shí)物反應(yīng)出共同性質(zhì)的基本特征，同時也能夠根據(jù)具有一定關(guān)聯(lián)性的事物信息來探究差異。這些功能不僅僅能夠在醫(yī)療信息的管理層面上給予醫(yī)療人員較大的信息管理指導(dǎo)，同時在實(shí)際的醫(yī)療診斷過程之中，也可以向醫(yī)生提供患者的患病信息，并且輔助治療的進(jìn)行[1]。所以，在醫(yī)療信息管理中應(yīng)用數(shù)據(jù)挖掘技術(shù)不僅僅能夠推動醫(yī)療信息管理水平的提升，也是醫(yī)院實(shí)現(xiàn)現(xiàn)代化、信息化建設(shè)的重要體現(xiàn)，需要從根本上明確醫(yī)療信息管理應(yīng)用數(shù)據(jù)挖掘技術(shù)的必要性與基本內(nèi)涵，從而針對醫(yī)院的管理現(xiàn)狀實(shí)現(xiàn)其管理方式與技術(shù)應(yīng)用的轉(zhuǎn)變與優(yōu)化。

　　2在醫(yī)療信息管理過程之中加強(qiáng)數(shù)據(jù)挖掘技術(shù)應(yīng)用的重要措施

　　2.1實(shí)現(xiàn)建模環(huán)節(jié)以及數(shù)據(jù)收集環(huán)節(jié)的優(yōu)化

　　在應(yīng)用數(shù)據(jù)挖掘技術(shù)的過程之中，必須基于數(shù)據(jù)庫信息的基礎(chǔ)之上，其數(shù)據(jù)挖掘技術(shù)才能夠進(jìn)行相應(yīng)的規(guī)律探究與信息分析，所以需要在源頭處加強(qiáng)數(shù)據(jù)收集環(huán)節(jié)以及建模環(huán)節(jié)的優(yōu)化。以醫(yī)院中醫(yī)部門為例，在對于中醫(yī)處方經(jīng)驗(yàn)的挖掘方法使用過程之中，需要針對不同的藥物進(jìn)行關(guān)聯(lián)性建模，比如數(shù)據(jù)庫中有基礎(chǔ)性藥物，針對藥物進(jìn)行頻數(shù)和次數(shù)的統(tǒng)計(jì)，然后以此類推，將所有藥物都按照出現(xiàn)的頻數(shù)進(jìn)行降數(shù)排列，從而探究參考價值。建模環(huán)節(jié)以及數(shù)據(jù)收集環(huán)節(jié)是醫(yī)療信息管理過程的根本，所以需要做好對于建模環(huán)節(jié)以及數(shù)據(jù)收集環(huán)節(jié)的優(yōu)化，才能夠?yàn)閿?shù)據(jù)挖掘技術(shù)的應(yīng)用奠定相應(yīng)的基礎(chǔ)[2]。

　　2.2細(xì)化數(shù)據(jù)挖掘技術(shù)應(yīng)用類別

　　想要在醫(yī)療信息管理過程之中，加強(qiáng)對于數(shù)據(jù)挖掘技術(shù)的有效應(yīng)用，就需要從數(shù)據(jù)挖掘技術(shù)應(yīng)用類別處進(jìn)行著手，從而提升技術(shù)應(yīng)用的針對性與有效性。常見的技術(shù)應(yīng)用類別有：醫(yī)院資源配置方面、病患區(qū)域管理方面、醫(yī)療衛(wèi)生質(zhì)量管理方面、醫(yī)療急診管理方面、醫(yī)院經(jīng)濟(jì)管理方面以及醫(yī)療衛(wèi)生常見病宣傳方面等，數(shù)據(jù)挖掘技術(shù)都可以在這些類別之中實(shí)現(xiàn)應(yīng)用，但是在應(yīng)用的過程之中也有所不同。以病房區(qū)域管理為例，在應(yīng)用數(shù)據(jù)挖掘技術(shù)之前，首先需要明確不同的科室狀況以及病房區(qū)域分配狀況等，加強(qiáng)病患區(qū)域的指標(biāo)分析，因?yàn)椴》抗芾聿粌H僅影響到科室的工作效率與工作效果，同時也是醫(yī)療物資分配與人員編制的主要參考標(biāo)準(zhǔn)。其次利用數(shù)據(jù)挖掘技術(shù)能夠較好地實(shí)現(xiàn)不同科室工作效率、質(zhì)量管理質(zhì)量以及經(jīng)濟(jì)收益等多種指標(biāo)的評估，建立其科室的運(yùn)營模型，從而實(shí)現(xiàn)科室的又好又快發(fā)展。比如使用數(shù)據(jù)挖掘技術(shù)建立其病區(qū)管理的標(biāo)準(zhǔn)模型以及統(tǒng)計(jì)指標(biāo)，從而計(jì)算出科室動態(tài)的工作模型以及病床動態(tài)的周轉(zhuǎn)次數(shù)等[3]。另外在醫(yī)療質(zhì)量管理過程之中，數(shù)據(jù)挖掘技術(shù)提供的不僅僅是資料數(shù)據(jù)的參考以及疾病的.診斷，也能夠針對臨床的治療效果進(jìn)行分析與評價，并且能夠預(yù)測治療狀況：可以利用醫(yī)院的醫(yī)療數(shù)據(jù)庫，對于病人的基本患病信息進(jìn)行分類，從而比對死亡率、治愈率等多個數(shù)據(jù)，實(shí)現(xiàn)治療方案的制訂。而在醫(yī)療質(zhì)量管理過程之中也有很多的影響因素，例如基礎(chǔ)醫(yī)療設(shè)備、病床周轉(zhuǎn)次數(shù)、病種治愈記錄等，所以也可以利用數(shù)據(jù)挖掘技術(shù)來進(jìn)一步加強(qiáng)其多種數(shù)據(jù)之間的關(guān)聯(lián)性，從而為提升醫(yī)院的社會效益與經(jīng)濟(jì)效益提出合理的參考性建議。

　　2.3明確數(shù)據(jù)挖掘技術(shù)的應(yīng)用方向

　　醫(yī)院加強(qiáng)數(shù)據(jù)挖掘技術(shù)應(yīng)用方向的探索上，可以從客戶拓展這個角度出發(fā)實(shí)現(xiàn)對于醫(yī)療信息管理。例如通過數(shù)據(jù)挖掘技術(shù)多方進(jìn)行患者信息比對，同時制訂完善的醫(yī)療服務(wù)影響策略方式，加強(qiáng)對于客戶行為的分析；在數(shù)據(jù)挖掘的基礎(chǔ)之上，增強(qiáng)其技術(shù)應(yīng)用的實(shí)用性，在分析的基礎(chǔ)之上比對自身的競爭優(yōu)勢，實(shí)現(xiàn)醫(yī)院資源的合理規(guī)劃與合理配置，例如藥品、資金以及疾病診斷等，從而實(shí)現(xiàn)經(jīng)營狀況的優(yōu)化。目前醫(yī)院也逐步向現(xiàn)代化、信息化方向發(fā)展，無論是信息管理還是醫(yī)療技術(shù)方面，醫(yī)院都已經(jīng)成為了一個信息化的綜合行業(yè)體系，所以在加強(qiáng)數(shù)據(jù)挖掘應(yīng)用的過程之中，還需要加強(qiáng)數(shù)據(jù)信息的管理，實(shí)現(xiàn)數(shù)據(jù)挖掘結(jié)果的維護(hù)，從而提升醫(yī)院的決策能力，實(shí)現(xiàn)數(shù)據(jù)挖掘技術(shù)的高效應(yīng)用。

　　3結(jié)語

　　醫(yī)院在目前的醫(yī)療信息管理過程之中，還有很大的發(fā)展空間，需要綜合利用數(shù)據(jù)挖掘技術(shù)，實(shí)現(xiàn)其信息管理水平的提升。通過明確數(shù)據(jù)挖掘技術(shù)的應(yīng)用方向、應(yīng)用類別以及建模數(shù)據(jù)環(huán)節(jié)的優(yōu)化等，促進(jìn)醫(yī)院管理水平的提升，實(shí)現(xiàn)數(shù)據(jù)挖掘技術(shù)應(yīng)用效果的提升.

　　參考文獻(xiàn)：

　　[1]鄭勝前.數(shù)據(jù)挖掘技術(shù)在社區(qū)醫(yī)療服務(wù)系統(tǒng)中的應(yīng)用與研究[J].數(shù)字技術(shù)與應(yīng)用,20xx(09):81-82.

　　[2]廖亮.數(shù)據(jù)挖掘技術(shù)在醫(yī)療信息管理中的應(yīng)用[J].中國科技信息,20xx(11):54,56.

　　[3]牟勇.數(shù)據(jù)挖掘技術(shù)在醫(yī)院信息化系統(tǒng)中應(yīng)用[J].電子測試,20xx(11):23-24,22.

數(shù)據(jù)挖掘論文7

　　摘要:文章首先對數(shù)據(jù)挖掘技術(shù)及其具體功能進(jìn)行簡要分析，在此基礎(chǔ)上對科研管理中數(shù)據(jù)挖掘技術(shù)的應(yīng)用進(jìn)行論述。期望通過本文的研究能夠?qū)�科研管理水平的進(jìn)一步提升有所幫助。

　　關(guān)鍵詞:科研管理;數(shù)據(jù)挖掘;技術(shù)應(yīng)用

　　1數(shù)據(jù)挖掘技術(shù)及其具體功能分析

　　所謂的數(shù)據(jù)挖掘具體是指通過相關(guān)的算法在大量的數(shù)據(jù)當(dāng)中對隱藏的、有利用價值的信息進(jìn)行搜索的過程。數(shù)據(jù)挖掘是一門綜合性較強(qiáng)的科學(xué)技術(shù)，其中涉及諸多領(lǐng)域的知識，如人工智能、機(jī)器學(xué)習(xí)、數(shù)據(jù)庫、數(shù)理統(tǒng)計(jì)等等。數(shù)據(jù)挖掘技術(shù)具有如下幾個方面的功能:1．1關(guān)聯(lián)規(guī)則分析。這是數(shù)據(jù)挖掘技術(shù)較為重要的功能之一，可從給定的數(shù)據(jù)集當(dāng)中，找到出現(xiàn)比較頻繁的項(xiàng)集，該項(xiàng)集具體是指行形如X-＞Y，在數(shù)據(jù)庫當(dāng)中，X和Y所代表的均為屬性取值。在關(guān)聯(lián)規(guī)則下，只要數(shù)據(jù)滿足X條件，就一定滿足Y條件，數(shù)據(jù)挖掘技術(shù)的這個功能在商業(yè)金融等領(lǐng)域中的應(yīng)用較為廣泛。1．2回歸模式分析回歸模式主要是通過對連續(xù)數(shù)值的預(yù)測，來達(dá)到挖掘數(shù)據(jù)的目的。例如，已知企業(yè)某個人的教育背景、工作年限等條件，可對其年薪的范圍進(jìn)行判定，整個分析過程是利用回歸模型予以實(shí)現(xiàn)的。在該功能中，已知的條件越多，可進(jìn)行挖掘的信息就越多。1．3聚類分析聚類具體是指將相似程度較高的數(shù)據(jù)歸為同一個類別，通過聚類分析能夠從數(shù)據(jù)集中找出類似的數(shù)據(jù)，并組成不同的組。在聚類分析的過程中，需要使用聚類算法，借助該算法對數(shù)據(jù)進(jìn)行檢測后，可以判斷其隱藏的屬性，并將數(shù)據(jù)庫分為若干個相似的組。

　　2科研管理中數(shù)據(jù)挖掘技術(shù)的應(yīng)用

　　科研是科學(xué)研究的簡稱，具體是指為認(rèn)識客觀事物在內(nèi)在本質(zhì)及其運(yùn)動規(guī)律，而借助某些技術(shù)手段和設(shè)備，開展調(diào)查研究、實(shí)驗(yàn)等活動，并為發(fā)明和創(chuàng)造新產(chǎn)品提供理論依據(jù)�？蒲泄芾硎菍�科研項(xiàng)目全過程的管理，如課題管理、經(jīng)費(fèi)管理、成果管理等等。由于科學(xué)研究中涉及的內(nèi)容較多，從而給科研管理工作增添了一定的難度。為進(jìn)一步提升科研管理水平，可在不同的管理環(huán)節(jié)中，對數(shù)據(jù)挖掘技術(shù)進(jìn)行應(yīng)用。下面就此展開詳細(xì)論述。

　　2．1在立項(xiàng)及可行性評估中的應(yīng)用

　　科研管理工作的開展需要以相關(guān)的科研課題作為依托，當(dāng)課題選定之后，需要對其可行性及合理性進(jìn)行全面系統(tǒng)地評估，由此使得科研課題的立項(xiàng)及評估成為科研管理的主要工作內(nèi)容�，F(xiàn)階段，國內(nèi)的科研課題立項(xiàng)采用的是申請審批制，具體的流程是:由科研機(jī)構(gòu)的相關(guān)人員負(fù)責(zé)提出申請，然后再由科技主管部門從申請中進(jìn)行篩選，經(jīng)過業(yè)內(nèi)專家的評審論證之后，擇優(yōu)選取科研項(xiàng)目的承接單位。在進(jìn)行科研課題立項(xiàng)的過程中，涉及諸多方面的內(nèi)容，具體包括申請單位、課題的研究領(lǐng)域、經(jīng)費(fèi)安排、主管單位以及評審專家等。通過調(diào)查發(fā)現(xiàn)，由于國家宏觀調(diào)控政策的缺失，導(dǎo)致科研立項(xiàng)中存在低水平、重復(fù)性研究的情況，從而造成大量的研究經(jīng)費(fèi)浪費(fèi)，所取得的研究成果也不顯著。科研管理部門雖然建立了相對完善的數(shù)據(jù)庫系統(tǒng)，并且系統(tǒng)也涵蓋與項(xiàng)目申請、審評等方面有關(guān)的基本操作流程，如上傳項(xiàng)目申報文件、將文件發(fā)給相關(guān)的評審專家、對評審結(jié)果進(jìn)行自動統(tǒng)計(jì)等。從本質(zhì)的角度上講，數(shù)據(jù)庫管理系統(tǒng)所完成的這些工作流程，就是將傳統(tǒng)管理工作轉(zhuǎn)變?yōu)樾畔⒒�。故此，�?yīng)當(dāng)對已有的數(shù)據(jù)進(jìn)行深入挖掘，從而找出其中更具利用價值的信息，據(jù)此對科研立項(xiàng)進(jìn)行指導(dǎo)，這樣不但能夠使有限的科技資源得到最大限度地利用，而且還能使科研經(jīng)費(fèi)的使用效益獲得全面提升。在科研立項(xiàng)階段，可對數(shù)據(jù)挖掘技術(shù)進(jìn)行合理運(yùn)用，借此來對課題申請中涉及的各種因素進(jìn)行挖掘，找出其中潛在的規(guī)則，為指標(biāo)體系的構(gòu)建和遴選方法的選擇提供可靠依據(jù)，最大限度地降低不合理因素對課題立項(xiàng)帶來的影響，對確需資助的科研項(xiàng)目進(jìn)行準(zhǔn)確選擇，并給予相應(yīng)的資助。在科研立項(xiàng)環(huán)節(jié)中，對數(shù)據(jù)挖掘技術(shù)進(jìn)行應(yīng)用時，可以借助改進(jìn)后的Apriori算法進(jìn)行數(shù)據(jù)挖掘，從中找出關(guān)聯(lián)規(guī)則，在對該規(guī)則進(jìn)行分析的基礎(chǔ)上，對立項(xiàng)的'合理性進(jìn)行評價。

　　2．2在項(xiàng)目管理中的應(yīng)用

　　項(xiàng)目管理是科研管理的關(guān)鍵環(huán)節(jié)，為提高項(xiàng)目管理的效率和水平，可對數(shù)據(jù)挖掘技術(shù)進(jìn)行合理運(yùn)用。在信息時代到來的今天，計(jì)算機(jī)技術(shù)、網(wǎng)絡(luò)技術(shù)的普及程度越來越高，國內(nèi)很多科研機(jī)構(gòu)都紛紛構(gòu)建起了相關(guān)的管理信息系統(tǒng)，其中涵蓋了諸多的信息，如課題、科研人員、研究條件等等，而在這些信息當(dāng)中，隱藏著諸多具有特定意義的規(guī)則，為找出這些規(guī)則，需要借助數(shù)據(jù)挖掘技術(shù)，對信息進(jìn)行深入分析，進(jìn)而獲取對科研項(xiàng)目有幫助的信息。由于大部分科研管理部門建立的科研管理信息系統(tǒng)時間較早，從而使得系統(tǒng)本身的功能比較單一，如信息刪減、修改、查詢、統(tǒng)計(jì)等等，雖然這些功能可以滿足對科研課題進(jìn)展、經(jīng)費(fèi)使用等方面的管理，但其面向的均為數(shù)據(jù)庫管理人員，處理的也都是常規(guī)事務(wù)。而從科研課題的管理者與決策者的角度上看，管理信息系統(tǒng)這些功能顯然是有所不足的，因?yàn)樗麄冃枰獙�歷史進(jìn)行分析和提煉，從中獲取相應(yīng)的數(shù)據(jù)，為決策和管理工作的開展提供支撐。對此，可應(yīng)用數(shù)據(jù)挖掘技術(shù)的OLAP，即數(shù)據(jù)庫聯(lián)機(jī)分析處理，由此能夠幫助管理者從不同的方面對數(shù)據(jù)進(jìn)行觀察，進(jìn)而深入了解數(shù)據(jù)并獲取所需的信息。利用OLAP可以發(fā)現(xiàn)多種于科研課題有關(guān)信息之間的內(nèi)在聯(lián)系，這樣管理者便能及時發(fā)現(xiàn)其中存在的相關(guān)問題，并針對問題采取有效的方法和措施加以應(yīng)對。運(yùn)用數(shù)據(jù)挖掘技術(shù)能夠?qū)�科研�?xiàng)目的相關(guān)數(shù)據(jù)進(jìn)行分析，找出其中存在的矛盾，從而使管理工作的開展更具針對性。

　　3結(jié)論

　　綜上所述，科研管理是一項(xiàng)較為復(fù)雜且系統(tǒng)的工作，其中涵蓋的信息相對較多。為此，可將數(shù)據(jù)挖掘技術(shù)在科研管理中進(jìn)行合理應(yīng)用，對相關(guān)信息進(jìn)行深入分析，從中挖掘出有利用價值的信息，為科研管理工作的開展提供可靠的依據(jù)，由此除了能夠確�？蒲许�(xiàng)目順利進(jìn)行之外，還能提高科研管理水平。

　　參考文獻(xiàn):

　�。�1］劉占波，王立偉，王曉麗．大數(shù)據(jù)環(huán)境下基于數(shù)據(jù)挖掘技術(shù)的高校科研管理系統(tǒng)的設(shè)計(jì)［J］．電子測試，20xx(1):21-22．

　�。�2］史子靜．高�？蒲泄芾硐到y(tǒng)中計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)的運(yùn)用研究［J］．科技資訊，20xx(6):65-66．

　�。�3］丁磊．?dāng)?shù)據(jù)挖掘技術(shù)在高校教師科研管理中的應(yīng)用研究［D］．大連海事大學(xué)，20xx．

數(shù)據(jù)挖掘論文8

　　數(shù)據(jù)挖掘技術(shù)在金融業(yè)、醫(yī)療保健業(yè)、市場業(yè)、零售業(yè)和制造業(yè)等很多領(lǐng)域都得到了很好的應(yīng)用。針對交通安全領(lǐng)域中交通事故數(shù)據(jù)利用率低的現(xiàn)狀，可以通過數(shù)據(jù)挖掘?qū)ο嚓P(guān)交通事故數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，從而發(fā)現(xiàn)其中的關(guān)聯(lián)，這對提升交通安全水平具有非常重要的意義。

　　1數(shù)據(jù)挖掘技術(shù)概述

　　數(shù)據(jù)挖掘（DataMining）即對大量數(shù)據(jù)進(jìn)行有效的分類統(tǒng)計(jì)，從而整理出有規(guī)律的、有價值的、潛在的未知信息。一般來講，這些數(shù)據(jù)存在極大的隨機(jī)性和不完全性，其包括各行各業(yè)各個方面的數(shù)據(jù)。數(shù)據(jù)挖掘是一個結(jié)合了數(shù)據(jù)庫、人工智能、機(jī)器學(xué)習(xí)的學(xué)科，涉及統(tǒng)計(jì)數(shù)據(jù)和技術(shù)理論等領(lǐng)域。

　　2數(shù)據(jù)挖掘關(guān)聯(lián)分析研究

　　關(guān)聯(lián)分析作為數(shù)據(jù)挖掘中的重要組成部分，其主要作用就是通過數(shù)據(jù)之間的相互關(guān)聯(lián)從而發(fā)現(xiàn)數(shù)據(jù)集中某種未知的聯(lián)系。關(guān)聯(lián)分析最初是在20世紀(jì)90年代初被提出來的，一直備受關(guān)注。已被廣泛應(yīng)用于各行各業(yè)，包括醫(yī)療體檢、電子商務(wù)、商業(yè)金融等各個領(lǐng)域。關(guān)聯(lián)規(guī)則的挖掘一般可分成兩個步驟[1]：

　�。�1）找出頻繁項(xiàng)集，不小于最小支持度的項(xiàng)集；

　�。�2）生成強(qiáng)關(guān)聯(lián)規(guī)則，不小于最小置信度的關(guān)聯(lián)規(guī)則。相對于生成強(qiáng)關(guān)聯(lián)規(guī)則，找出頻繁項(xiàng)集這一步比較麻煩。由R.Agrawal等人在1994年提出的Apriori算法是生成頻繁項(xiàng)集的經(jīng)典算法[2]。Apriori算法使用了Level-wise搜索的迭代方法，即用k-項(xiàng)集探索（k+1）-項(xiàng)集。Apriori算法在整體上可分為兩個部分。

　　（1）發(fā)現(xiàn)頻集。這個部分是最重要的，開銷相繼產(chǎn)生了各種各樣的頻集算法，專門用于發(fā)現(xiàn)頻集，以降低其復(fù)雜度、提高發(fā)現(xiàn)頻集的效率。

　�。�2）利用所獲得的頻繁項(xiàng)集各種算法主要致力產(chǎn)生強(qiáng)關(guān)聯(lián)規(guī)則。當(dāng)然頻集構(gòu)成的聯(lián)規(guī)則未必是強(qiáng)關(guān)聯(lián)規(guī)則，還要檢驗(yàn)構(gòu)成的關(guān)聯(lián)規(guī)則的支持度和支持度是否超過它們的閾值。Apriori算法找出頻繁項(xiàng)集分為兩步：連接和剪枝。

　�。�1）連接。集合Lk-1為頻繁k-1項(xiàng)集的集合，它通過與自身連接就可以生成候選k項(xiàng)集的集合，記作Ck。

　�。�2）剪枝。頻繁k項(xiàng)集的集合Lk是Ck的子集。剪枝首先利用Apriori算法的性質(zhì)（頻繁項(xiàng)集的所有非空子集都是頻繁的，如果不滿足這個條件，就從候選集合Ck中刪除）對Ck進(jìn)行壓縮；然后，通過掃描所有的事務(wù)，確定壓縮后Ck中的每個候選的支持度；最后與設(shè)定的最小支持度進(jìn)行比較，如果支持度不小于最小支持度，則認(rèn)為該候選項(xiàng)是頻繁的。目前，在互聯(lián)網(wǎng)技術(shù)及科學(xué)技術(shù)的快速發(fā)展下，人工智能、機(jī)器識別等技術(shù)興起，關(guān)聯(lián)分析也被越來越多應(yīng)用其中，并在不斷發(fā)展中提出了大量的改進(jìn)算法。

　　3數(shù)據(jù)挖掘關(guān)聯(lián)分析在道路交通事故原因分析當(dāng)中的應(yīng)用

　　近年來，我國越來越多的學(xué)者將數(shù)據(jù)挖掘關(guān)聯(lián)分析應(yīng)用于道路交通事故的研究中，主要是分析道路、車輛、行人以及環(huán)境等因素與交通事故之間的某種聯(lián)系。Pande和Abdel-Aty[3]通過關(guān)聯(lián)分析研究了美國佛羅里達(dá)州20xx年非交叉口發(fā)生的道路交通事故，重點(diǎn)分析了各個不同的影響因素與交通事故之間的內(nèi)在聯(lián)系，通過研究得出如下結(jié)論，道路照明條件不足是引發(fā)道路交通事故的主要因素，除此之外，還發(fā)現(xiàn)天氣惡劣的環(huán)境下道路彎道的直線段也極易發(fā)生交通事故。Graves[4]利用數(shù)據(jù)挖掘技術(shù)中的關(guān)聯(lián)規(guī)則對歐洲道路交通事故進(jìn)行了分析，主要研究了交通事故與道路設(shè)施狀況之間的關(guān)聯(lián)，通過研究發(fā)現(xiàn)了易導(dǎo)致交通事故發(fā)生的`各個道路設(shè)施狀況因素，此研究為歐洲路面建設(shè)及投資提供了強(qiáng)大的決策支持。我國學(xué)者董立巖在研究道路交通事故數(shù)據(jù)的文獻(xiàn)中，將粗糙集與關(guān)聯(lián)分析進(jìn)行了融合，提出了基于偏好信息的決策規(guī)則簡約算法并將其應(yīng)用其中，通過分析發(fā)現(xiàn)了道路交通事故的未知規(guī)律。王艷玲通過關(guān)聯(lián)分析中的因子關(guān)聯(lián)樹模型重點(diǎn)分析了影響道路交通事故最重要的因子，發(fā)現(xiàn)在道路交通事故常見的誘因人、車、路及環(huán)境中對事故影響最大的因子是環(huán)境。許卉瑩等利用關(guān)聯(lián)分析、聚類分析以及決策樹分析三種數(shù)據(jù)挖掘技術(shù)對道路交通事故數(shù)據(jù)進(jìn)行分析，最終得出了科學(xué)的道路交通事故預(yù)防和交通安全管理決策依據(jù)。尚威等在研究中，對大量的道路交通數(shù)據(jù)進(jìn)行了有效整合，并在此基礎(chǔ)上按照交通事故相關(guān)因素的不同特點(diǎn)整理出與事故發(fā)生有關(guān)的字段數(shù)據(jù)，形成新的事故數(shù)據(jù)記錄表，然后再根據(jù)多維關(guān)聯(lián)規(guī)則對記錄的相關(guān)數(shù)據(jù)進(jìn)行分析，從而發(fā)現(xiàn)了事故誘導(dǎo)因素記錄字段值和事故結(jié)果字段值組成的道路交通事故頻繁字段的組合。張聽等在充分掌握聚類數(shù)據(jù)挖掘理論與方法的基礎(chǔ)上，提出了多目標(biāo)聚類分析框架和一個啟發(fā)式的聚類算法k-WANMI，并將其用在道路交通事故的聚類研究中對不同權(quán)重的屬性進(jìn)行了多目標(biāo)分析。同樣，許宏科也利用該方法對公路隧道交通流數(shù)據(jù)進(jìn)行了聚類分析，其在研究中不僅明確了隧道交通流的峰值規(guī)律，而且還根據(jù)這種規(guī)律制訂了隧道監(jiān)控設(shè)備的不同控制方案，對提高隧道交通安全的水平做了極大的貢獻(xiàn)。徐磊和方源敏在研究中，提出了由簡化信息熵構(gòu)造的改進(jìn)C4.5決策樹算法，并將其應(yīng)用在交通事故數(shù)據(jù)的研究中，對交通數(shù)據(jù)進(jìn)行了正確分類，發(fā)現(xiàn)了一些隱藏的規(guī)則和知識，為交通管理提供了依據(jù)。劉軍、艾力斯木吐拉、馬曉松運(yùn)用多維關(guān)聯(lián)規(guī)則分析交通事故記錄，從而找到導(dǎo)致交通事故發(fā)生次數(shù)多的主要原因，并且指導(dǎo)相關(guān)部門作出相應(yīng)的決策。楊希剛運(yùn)用關(guān)聯(lián)規(guī)則為現(xiàn)實(shí)中的交通事故的預(yù)防提供依據(jù)。吉林大學(xué)的吳昊等人，基于關(guān)聯(lián)規(guī)則的理論基礎(chǔ)，定義了公路交通事故屬性模型，并結(jié)合改進(jìn)后的Apriori算法，分析了交通事故歷史數(shù)據(jù)信息，為有關(guān)單位和用戶尋找道路黑點(diǎn)（即事故多發(fā)點(diǎn)）提供了技術(shù)支援和決策幫助。

　　4結(jié)語

　　通過數(shù)據(jù)挖掘中的關(guān)聯(lián)分析方法雖然能夠?qū)Φ缆方煌ㄊ鹿实南嚓P(guān)因素進(jìn)行清晰的分析，但是目前在這一方面的研究仍有不足之處。因?yàn)殛P(guān)聯(lián)分析在道路交通事故的研究中往往只能片面發(fā)現(xiàn)某一種或幾種因素影響交通事故的規(guī)律，很難將所有影響因素結(jié)合起來進(jìn)行全面系統(tǒng)的分析。然而道路交通事故的發(fā)生通常都是由相應(yīng)因素導(dǎo)致，而后事故當(dāng)事人意識到危險源的存在并采取措施，直到事故發(fā)生的連續(xù)過程，整體來看體現(xiàn)了時序性。也就是說，道路交通事故是受到一系列按照時間先后順序排列的影響因素組合共同作用而發(fā)生的，從整體的角度出發(fā)研究事故發(fā)生機(jī)理更加科學(xué)。

　　參考文獻(xiàn)

　　[1]楊秀萍.大數(shù)據(jù)下關(guān)聯(lián)規(guī)則算法的改進(jìn)及應(yīng)用[J].計(jì)算機(jī)與現(xiàn)代化,20xx(12):23-26.

　　[2]王云,蘇勇.關(guān)聯(lián)規(guī)則挖掘在道路交通事故分析中的應(yīng)用[J].科學(xué)技術(shù)與工程,20xx(7):1824-1827.

　　[3]徐磊,方源敏.基于決策樹C4.5改進(jìn)算法的交通數(shù)據(jù)挖掘[J].微處理機(jī),20xx,31(6):57-59.

　　[4]楊希剛.數(shù)據(jù)挖掘在交通事故中的應(yīng)用[[J].軟件導(dǎo)刊,20xx,7(26):18-20.

數(shù)據(jù)挖掘論文9

　　摘要：隨著信息技術(shù)的發(fā)展與進(jìn)步，大數(shù)據(jù)時代已經(jīng)悄然走進(jìn)人們身邊，云計(jì)算技術(shù)的運(yùn)用已經(jīng)隨處可見，并改變和影響著人們的生活。在此基礎(chǔ)上，數(shù)據(jù)挖掘技術(shù)產(chǎn)生并發(fā)展，其在信息安全系統(tǒng)開發(fā)和建設(shè)方面產(chǎn)生重要影響和作用，以數(shù)據(jù)挖掘技術(shù)為依托構(gòu)建相應(yīng)的信息安全系統(tǒng)則更加能夠讓網(wǎng)絡(luò)信息建設(shè)可靠、安全。

　　關(guān)鍵詞：數(shù)據(jù)挖掘技術(shù)；信息安全系統(tǒng)；開發(fā)研究

　　一、數(shù)據(jù)挖掘的主要任務(wù)

　　在數(shù)據(jù)挖掘的主要任務(wù)中，包含關(guān)聯(lián)分析、聚類分析、異常檢測等任務(wù)。關(guān)聯(lián)分析也叫頻繁模式分析，其指的是就同一任務(wù)或者統(tǒng)一事件的查找過程中，另一事件也同樣會發(fā)生相同規(guī)律，兩者之間具有緊密聯(lián)系。聚類分析主要是的是對各個數(shù)據(jù)內(nèi)在的規(guī)律摸索，以及特點(diǎn)分析，通過對特點(diǎn)和規(guī)律進(jìn)行對比，依照特點(diǎn)和規(guī)律進(jìn)行數(shù)據(jù)源分類，使其成為若干個數(shù)據(jù)庫。異常檢測指的是對數(shù)據(jù)樣本的范本進(jìn)行建設(shè)，利用這一范本，與數(shù)據(jù)源中所存在的數(shù)據(jù)開展對比分析工作，將數(shù)據(jù)中的異常樣本查找出來[1]。在監(jiān)督學(xué)習(xí)中，主要包含分類與預(yù)測兩種形式，利用已知樣本的類型與大小，對新到樣本開展有關(guān)預(yù)測活動。

　　二、基于數(shù)據(jù)挖掘的網(wǎng)絡(luò)信息安全策略

　　1.安全的網(wǎng)絡(luò)環(huán)境

　�。�1）對控制技術(shù)進(jìn)行隔離與訪問，包括物理隔離、可信網(wǎng)絡(luò)隔離、邏輯隔離與不可信網(wǎng)絡(luò)隔離，相關(guān)用戶如果需要進(jìn)行網(wǎng)絡(luò)資源搜集或者訪問，需要得到相關(guān)授權(quán)。

　�。�2）對防病毒技術(shù)進(jìn)行運(yùn)用，由于網(wǎng)絡(luò)安全已受到病毒的嚴(yán)重威脅，應(yīng)當(dāng)對病毒預(yù)警、防護(hù)以及應(yīng)急機(jī)制進(jìn)行建設(shè)，確保網(wǎng)絡(luò)的安全性；

　　（3）通過網(wǎng)絡(luò)入侵檢測技術(shù)的應(yīng)用，能夠?qū)Ψ欠ㄈ肭终叩钠茐男袨榧皶r發(fā)現(xiàn)，并依照存在的隱患進(jìn)行預(yù)警機(jī)制的建設(shè)。網(wǎng)絡(luò)安全環(huán)境的建設(shè)還包括對系統(tǒng)安全性開展定期分析，在第一時間對系統(tǒng)漏洞進(jìn)行查找，并制定有關(guān)解決措施；

　�。�4）通過有關(guān)分析審計(jì)工作的開展，可以對計(jì)算機(jī)網(wǎng)絡(luò)中的各種運(yùn)行活動進(jìn)行記錄，不僅可以對網(wǎng)絡(luò)訪問者予以確定，而且還能夠?qū)ο到y(tǒng)的使用情況進(jìn)行記錄；

　�。�5）通過網(wǎng)絡(luò)備份與災(zāi)難恢復(fù)工作，能夠利用最短的時間回復(fù)已破壞的系統(tǒng)。

　　2.保證數(shù)據(jù)挖掘信息安全的策略。安全的數(shù)據(jù)挖掘信息指的是數(shù)據(jù)挖掘信息的儲存、傳送以及運(yùn)用工作的安全性。在數(shù)據(jù)挖掘信息的.存儲安全中，主要包括其物理完整性、邏輯完整性以及保密性。利用數(shù)據(jù)完整性技術(shù)、數(shù)據(jù)傳輸加密技術(shù)以及防抵賴性技術(shù)，使數(shù)據(jù)挖掘信息傳送的安全性得到充分保障。數(shù)據(jù)挖掘信息運(yùn)用的安全性指的是針對網(wǎng)絡(luò)中的主體，應(yīng)當(dāng)開展有關(guān)驗(yàn)證工作，預(yù)防非授權(quán)主體對網(wǎng)絡(luò)資源進(jìn)行私自運(yùn)用。

　　3.基于數(shù)據(jù)挖掘的網(wǎng)絡(luò)安全數(shù)據(jù)分析策略

　�。�1）關(guān)聯(lián)性分析。在一次攻擊行為中，利用源地址、目的地址以及攻擊類型這三要素，通過三要素之間的隨意指定或組合，都能夠?qū)⒕邆湟欢ㄒ饬x的網(wǎng)絡(luò)攻擊態(tài)勢反映出來。

　�。�2）事件預(yù)測機(jī)制。對某一事件的發(fā)展情況進(jìn)行跟蹤，通過數(shù)據(jù)聚類算法的應(yīng)用，對依照網(wǎng)絡(luò)事件所構(gòu)建的模型進(jìn)行分析，進(jìn)而做出判定。一般來說，規(guī)模比較大的網(wǎng)絡(luò)事件中，擴(kuò)散一般是其所呈現(xiàn)的重要特征。

　�。�3）可控?cái)?shù)量預(yù)測模型。利用對事件中受控主機(jī)狀態(tài)增長數(shù)量進(jìn)行觀測，判斷該事件的感染能力。所謂的受控主機(jī)狀態(tài)增長指的是，先前未檢測出主機(jī)受到某類攻擊，利用有關(guān)檢測，對其狀態(tài)變化增長情況予以發(fā)現(xiàn)[2]。

　�。�4）分析處理模型。通過分析處理模型，能夠科學(xué)分析運(yùn)營商事件處理反饋情況，并對其針對被控主機(jī)的處理能力進(jìn)行判定。利用對所有運(yùn)營商所開展的綜合評估，能夠?qū)ζ涔茌牱秶鷥?nèi)的主機(jī)處理能力予以綜合判斷。

　　（5）網(wǎng)絡(luò)安全數(shù)據(jù)分析模型。針對網(wǎng)絡(luò)事件進(jìn)行數(shù)據(jù)分析，通過分析構(gòu)建相應(yīng)模型，結(jié)合模型進(jìn)行異常情況的跟進(jìn)和跟蹤，從而為網(wǎng)絡(luò)安全環(huán)境的營造創(chuàng)造條件。其運(yùn)行過程主要包括兩個階段：

　�、僭趯W(xué)習(xí)階段中，用戶主要是對事件進(jìn)行確定，并在計(jì)算機(jī)系統(tǒng)中進(jìn)行定義，對各個時間段所發(fā)生的安全事件數(shù)量進(jìn)行統(tǒng)計(jì)。一般來說，統(tǒng)計(jì)以小時為單位，單位時間內(nèi)的安全事件平均數(shù)為x，方差為σ。

　�、谠趯�(shí)時檢測階段中，根據(jù)時間間隔各類安全事件的數(shù)量ix對安全事件數(shù)量是否出現(xiàn)異常情況進(jìn)行判定，正常的安全事件數(shù)量輕度異常的安全事件數(shù)量中度異常的安全事件數(shù)量重度異常的安全事件數(shù)量在建設(shè)模型的過程中開展有關(guān)配置工作，依據(jù)不同的情形，對該參數(shù)進(jìn)行調(diào)整，各類安全事件數(shù)量異常的最高值也就是安全事件數(shù)量指標(biāo)值。

　　三、結(jié)語

　　云計(jì)算和大數(shù)據(jù)時代都對信息技術(shù)提出了更高的安全要求和標(biāo)準(zhǔn)，網(wǎng)絡(luò)安全系統(tǒng)的構(gòu)建影響著人們的生活和生產(chǎn)，并對相關(guān)的數(shù)據(jù)起到重要保護(hù)作用。結(jié)合數(shù)據(jù)挖掘技術(shù)進(jìn)行信息安全系統(tǒng)的開發(fā)和建設(shè)，則能夠更好地促進(jìn)網(wǎng)絡(luò)安全性的提升，能夠有效抵制網(wǎng)絡(luò)不法分子的侵襲，讓網(wǎng)絡(luò)安全性真正為人們的生活工作提供幫助。

　　參考文獻(xiàn)

　　[1]趙悅品.網(wǎng)絡(luò)信息安全防范與Web數(shù)據(jù)挖掘系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].現(xiàn)代電子技術(shù),20xx,40(04):61-65.

　　[2]梁雪霆.數(shù)據(jù)挖掘技術(shù)的計(jì)算機(jī)網(wǎng)絡(luò)病毒防御技術(shù)研究[J].科技經(jīng)濟(jì)市場,20xx(01):25.

數(shù)據(jù)挖掘論文10

　　摘 要：數(shù)據(jù)挖掘技術(shù)在各行業(yè)都有廣泛運(yùn)用，是一種新興信息技術(shù)。而在線考試系統(tǒng)中存在著很多的數(shù)據(jù)信息，數(shù)據(jù)挖掘技在在線考試系統(tǒng)有著重要的意義，和良好的應(yīng)用前景，從而在眾多技術(shù)中脫穎而出。本文從對數(shù)據(jù)挖掘技術(shù)的初步了解，簡述數(shù)據(jù)挖掘技術(shù)在在線考試系統(tǒng)中成績分析，以及配合成績分析，完善教學(xué)。

　　關(guān)鍵詞：數(shù)據(jù)挖掘技術(shù)；在線考試；成績分析 ；完善教學(xué)

　　隨著計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)的快速發(fā)展，計(jì)算機(jī)輔助教育的不斷普及，在線考試是一種利用網(wǎng)絡(luò)技術(shù)的重要輔助教育手段，其改革有著重要的意義。數(shù)據(jù)挖掘技術(shù)作為一種新興的信息技術(shù)，其包括了人工智能、數(shù)據(jù)庫、統(tǒng)計(jì)學(xué)等學(xué)科的內(nèi)容，是一門綜合性的技術(shù)。這種技術(shù)的主要特點(diǎn)是對數(shù)據(jù)庫中大量的數(shù)據(jù)進(jìn)行抽取、轉(zhuǎn)換和分析，從中提取出能夠?qū)�教師有作用的關(guān)鍵性數(shù)據(jù)。將其運(yùn)用于在線考試系統(tǒng)中，能夠很好的處理在線考試中涉及到的數(shù)據(jù)，讓在線考試的實(shí)用性和高效性得到進(jìn)一步的增強(qiáng)，幫助教師更加快速、完整的統(tǒng)計(jì)考試信息，完善教學(xué)。

　　1.初步了解數(shù)據(jù)挖掘技術(shù)

　　數(shù)據(jù)挖掘技術(shù)是從大量數(shù)據(jù)中"挖掘"出對使用者有用的知識，即從大量的、隨機(jī)的、有噪聲的、模糊的、不完全的實(shí)際應(yīng)用數(shù)據(jù)中，"挖掘"出隱含在其中但人們事先卻不知道的，而又是對人們潛在有用的信息與知識的整個過程。

　　目前主要的商業(yè)數(shù)據(jù)挖掘系統(tǒng)有SAS公司的Enterprise Miner，SPSS公司的Clementine，Sybas公司的Warehouse Studio，MinerSGI公司的Mineset，RuleQuest Research公司的See5，IBM公司的Intelligent，還有 CoverStory， Knowledge Discovery，Quest，EXPLORA， DBMiner，Workbench等。

　　2.數(shù)據(jù)挖掘在在線考試中的主要任務(wù)

　　2.1數(shù)據(jù)分類

　　數(shù)據(jù)挖掘技術(shù)通過對數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行分析，把數(shù)據(jù)按照相似性歸納成若干類別，然后做出分類，并能夠?yàn)槊恳粋�類別都做出一個準(zhǔn)確的描述，挖掘出分類的規(guī)則或建立一個分類模型。

　　2.2數(shù)據(jù)關(guān)聯(lián)分析

　　數(shù)據(jù)庫中的數(shù)據(jù)關(guān)聯(lián)是一項(xiàng)非常重要，并可以發(fā)現(xiàn)的知識。數(shù)據(jù)關(guān)聯(lián)就是兩組或兩組以上的數(shù)據(jù)之間有著某種規(guī)律性的聯(lián)系。數(shù)據(jù)關(guān)聯(lián)分析的作用就是找出數(shù)據(jù)庫中隱藏的聯(lián)系，從中得到一些對學(xué)校教學(xué)工作管理者有用的信息。就像是在購物中，就可以通過顧客的購買物品的聯(lián)系，從中得到顧客的購買習(xí)慣。

　　2.3預(yù)測

　　預(yù)測是根據(jù)已經(jīng)得到的數(shù)據(jù)，從而對未來的情況做出一個可能性的分析。數(shù)據(jù)挖掘技術(shù)能自動在大型的數(shù)據(jù)庫中做出一個較為準(zhǔn)確的分析。就像是在市場投資中，可以通過各種商品促銷的數(shù)據(jù)來做出一個未來商品的促銷走勢。從而在投資中得到最大的回報。

　　3.數(shù)據(jù)挖掘的方法

　　數(shù)據(jù)挖掘技術(shù)融合了多個學(xué)科、多個領(lǐng)域的知識與技術(shù)，因此數(shù)據(jù)挖掘的方法也呈現(xiàn)出很多種類的形式。就目前的統(tǒng)計(jì)分析類的數(shù)據(jù)挖掘技術(shù)的角度來講，光統(tǒng)計(jì)分析技術(shù)中所用到的數(shù)據(jù)挖掘模型就回歸分析、邏輯回歸分析、有線性分析、非線性分析、單變量分析、多變量分析、最近鄰算法、最近序列分析、聚類分析和時間序列分析等多種方法。數(shù)據(jù)挖掘技術(shù)利用這些方法對那些異常形式的數(shù)據(jù)進(jìn)行檢查，然后通過各種數(shù)據(jù)模型和統(tǒng)計(jì)模型對這些數(shù)據(jù)來進(jìn)行解釋，并從這些數(shù)據(jù)中找出隱藏在其中的商業(yè)機(jī)會和市場規(guī)律。另外還有知識發(fā)現(xiàn)類數(shù)據(jù)挖掘技術(shù)，這種和統(tǒng)計(jì)分析類的數(shù)據(jù)挖掘技術(shù)完全不同，其中包括了支持向量機(jī)、人工神經(jīng)元網(wǎng)絡(luò)、遺傳算法、決策樹、粗糙集、關(guān)聯(lián)順序和規(guī)則發(fā)現(xiàn)等多種方法。

　　4.數(shù)據(jù)挖掘在考試成績分析中的幾點(diǎn)應(yīng)用

　　4.1運(yùn)用關(guān)聯(lián)規(guī)則分析教師的年齡對學(xué)生考試成績的影響

　　數(shù)據(jù)挖掘技術(shù)中的關(guān)聯(lián)分析在教學(xué)分析中，是一種使用頻繁，行之有效的方法，它能挖掘出大量數(shù)據(jù)中項(xiàng)集之間之間有意義的關(guān)聯(lián)聯(lián)系，幫助知道教師的教學(xué)過程。例如在如今的一些高職院校中，就往往會把學(xué)生的英語四六級過級率，計(jì)算機(jī)等級等，以這些為依據(jù)來評價教師的教學(xué)效果。將數(shù)據(jù)挖掘技術(shù)中的關(guān)聯(lián)規(guī)則運(yùn)用于考試的成績分析當(dāng)中，就能夠挖掘出一些對學(xué)生過級率產(chǎn)生影響的因素，對教師的教學(xué)過程進(jìn)行重要的指導(dǎo)，讓教師的'教學(xué)效率更高，作用更強(qiáng)。

　　還可以通過關(guān)聯(lián)規(guī)則算法，先設(shè)定一個最小可信度和支持度，得到初步的關(guān)聯(lián)規(guī)則，根據(jù)相關(guān)規(guī)則，分析出教師的組成結(jié)構(gòu)和過級率的影響，從來進(jìn)行教師隊(duì)伍的結(jié)構(gòu)調(diào)整，讓教師隊(duì)伍更加合理。

　　4.2采用分類算法探討對考試成績有影響的因素

　　數(shù)據(jù)挖掘技術(shù)中的分類算法就是對一組對象或一個事件進(jìn)行歸類，然后通過這些數(shù)據(jù)，可以進(jìn)行分類模型的建立和未來的預(yù)測。分類算法可以進(jìn)行考試中得到的數(shù)據(jù)進(jìn)行分類，然后通過學(xué)生的一些基本情況進(jìn)行探討一些對考試成績有影響的因素。分類算法可以用一下步驟實(shí)施：

　　4.2.1數(shù)據(jù)采集

　　這種方法首先要進(jìn)行數(shù)據(jù)采集，需要這幾方面的數(shù)據(jù)，學(xué)生基本信息（姓名、性別、學(xué)號、籍貫、所屬院系、專業(yè)、班級等）、學(xué)生調(diào)查信息（比如學(xué)習(xí)前的知識掌握情況、學(xué)習(xí)興趣、課堂學(xué)習(xí)效果、課后復(fù)習(xí)時間量等）、成績（學(xué)生平常學(xué)習(xí)成績，平�？荚嚦煽�，各種大型考試成績等）、學(xué)生多次考試中出現(xiàn)的易錯點(diǎn)（本次考試中出現(xiàn)的易錯點(diǎn)，以往考試中出現(xiàn)的易錯點(diǎn)）

　　4.2.2數(shù)據(jù)預(yù)處理

　�。�1）數(shù)據(jù)集成。把數(shù)據(jù)采集過程中得到的多種信息，利用數(shù)據(jù)挖掘技術(shù)中的數(shù)據(jù)庫技術(shù)生產(chǎn)相應(yīng)的學(xué)生考試成績分析基本數(shù)據(jù)庫。（2）數(shù)據(jù)清理。在學(xué)生成績分析數(shù)據(jù)庫中，肯定會出現(xiàn)一些情況缺失，對于這些空缺處，就需要使用數(shù)據(jù)清理技術(shù)來進(jìn)行這些數(shù)據(jù)庫中數(shù)據(jù)的填補(bǔ)遺漏。例如，可以采用忽略元組的方法來刪除那些沒有參加考試的學(xué)生考試數(shù)據(jù)已經(jīng)在學(xué)生填寫的調(diào)查數(shù)據(jù)中村中的空缺項(xiàng)。（3）數(shù)據(jù)轉(zhuǎn)換。數(shù)據(jù)轉(zhuǎn)換主要功能是進(jìn)行進(jìn)行數(shù)據(jù)的離散化操作。在這個過程中可以根據(jù)實(shí)際需要進(jìn)行分類，比如把考試成績從0~59的分到較差的一類，將60到80分為中等類，81到100分為優(yōu)秀等。（4）數(shù)據(jù)消減。數(shù)據(jù)消減的功能就是把所需挖掘的數(shù)據(jù)庫，在消減的過程又不能影響到最終的數(shù)據(jù)挖掘結(jié)果。比如在分析學(xué)生的基本學(xué)習(xí)情況的影響因素情況中，學(xué)生信息表中中出現(xiàn)的字段很多，可以選擇性的刪除班別、籍貫等引述，形成一份新的學(xué)生基本成績分析數(shù)據(jù)表。

　　4.2.3利用數(shù)據(jù)挖掘技術(shù)，得出結(jié)論

　　通過數(shù)據(jù)挖掘技術(shù)在在線考試中的應(yīng)用，得出這些學(xué)生數(shù)據(jù)的相關(guān)分析，比如說學(xué)生考試中的易錯點(diǎn)在什么地方，學(xué)生考試成績的自身原因，學(xué)生考試成績的環(huán)境原因，教師隊(duì)伍的搭配情況等等，從中得出如何調(diào)整學(xué)校教學(xué)資源，教師的教學(xué)方案調(diào)整等等，從而完善學(xué)校對學(xué)生的教學(xué)。

　　5.結(jié)語

　　數(shù)據(jù)挖掘技術(shù)在社會各行各業(yè)中都有一定程度的使用，基于其在數(shù)據(jù)組織、分析能力、知識發(fā)現(xiàn)和信息深層次挖掘的能力，在使用中取得了顯著的成效，但數(shù)據(jù)挖掘技術(shù)中還存在著一些問題，例如數(shù)據(jù)的挖掘算法、預(yù)處理、可視化問題、模式識別和解釋等等。對于這些問題，學(xué)校教學(xué)管理工作者要清醒的認(rèn)識，在在線考試系統(tǒng)中對數(shù)據(jù)挖掘信息做出合理的使用，讓數(shù)字挖掘技術(shù)在在線考試系統(tǒng)中能夠更加有效的發(fā)揮其長處，避免其在在線考試系統(tǒng)中的的缺陷。

　　參考文獻(xiàn)：

　　[1]胡玉榮.基于粗糙集理論的數(shù)據(jù)挖掘技術(shù)在高校學(xué)生成績分析中的作用[J].荊門職業(yè)技術(shù)學(xué)院學(xué)報,20xx,12(22):12.

　　[2][加]韓家煒,堪博(Kam ber M.) .數(shù)據(jù)挖掘：概念與技術(shù)（第2版）[M]范明,譯.北京:機(jī)械工業(yè)出版社,20xx.

　　[3]王潔.《在線考試系統(tǒng)的設(shè)計(jì)與開發(fā)》[J].山西師范大學(xué)學(xué)報,20xx(2).

　　[4] 王長娥.數(shù)據(jù)挖掘技術(shù)在教育中的應(yīng)用[J].計(jì)算機(jī)與信息技術(shù),20xx(11)

數(shù)據(jù)挖掘論文11

　　摘 要：高度開放的中國金融市場，特別是中國銀行業(yè)市場受到日趨激烈的國外銀行沖擊和挑戰(zhàn)，大多數(shù)銀行企業(yè)都在構(gòu)建以客戶為中心的客戶關(guān)系管理體系，這一經(jīng)營體系理念的構(gòu)建，不僅僅能提高企業(yè)的知名度和顧客的滿意度，而且能提高企業(yè)的經(jīng)濟(jì)效益。但是，隨著網(wǎng)絡(luò)技

　　關(guān)鍵詞：客戶關(guān)系管理畢業(yè)論文

　　高度開放的中國金融市場，特別是中國銀行業(yè)市場受到日趨激烈的國外銀行沖擊和挑戰(zhàn)，大多數(shù)銀行企業(yè)都在構(gòu)建以客戶為中心的客戶關(guān)系管理體系，這一經(jīng)營體系理念的構(gòu)建，不僅僅能提高企業(yè)的知名度和顧客的滿意度，而且能提高企業(yè)的經(jīng)濟(jì)效益。但是，隨著網(wǎng)絡(luò)技術(shù)和信息技術(shù)的發(fā)展，客戶關(guān)系管理如何能結(jié)合數(shù)據(jù)挖掘技術(shù)和數(shù)據(jù)倉庫技術(shù)，增強(qiáng)企業(yè)的核心競爭力已經(jīng)成為企業(yè)亟待解決的問題。因?yàn)�，企業(yè)的數(shù)據(jù)挖掘技術(shù)的運(yùn)用能夠解決客戶的矛盾，為客戶設(shè)計(jì)獨(dú)立的、擁有個性化的數(shù)據(jù)產(chǎn)品和數(shù)據(jù)服務(wù)，能夠真正意義上以客戶為核心，防范企業(yè)風(fēng)險，創(chuàng)造企業(yè)財(cái)富。

　　關(guān)鍵詞：客戶關(guān)系管理畢業(yè)論文

　　一、數(shù)據(jù)挖掘技術(shù)與客戶關(guān)系管理兩者的聯(lián)系

　　隨著時代的發(fā)展，銀行客戶關(guān)系管理的發(fā)展已經(jīng)越來越依賴數(shù)據(jù)挖掘技術(shù)，而數(shù)據(jù)挖掘技術(shù)是在數(shù)據(jù)倉庫技術(shù)的基礎(chǔ)上應(yīng)運(yùn)而生的，兩者有機(jī)的結(jié)合能夠收集和處理大量的客戶數(shù)據(jù)，通過數(shù)據(jù)類型與數(shù)據(jù)特征，進(jìn)行整合，挖掘具有特殊意義的潛在客戶和消費(fèi)群體，能夠觀察市場變化趨勢，這樣的技術(shù)在國外的銀行業(yè)的客戶關(guān)系管理廣泛使用。而作為國內(nèi)的銀行企業(yè)，受到國外銀行業(yè)市場的大幅度沖擊，顯得有些捉襟見肘，面對大量的數(shù)據(jù)與快速發(fā)展的互聯(lián)網(wǎng)金融體系的沖擊，銀行業(yè)缺乏數(shù)據(jù)分析和存儲功能，往往造成數(shù)據(jù)的流逝，特別是在數(shù)據(jù)的智能預(yù)測與客戶關(guān)系管理還處于初步階段。我國的銀行業(yè)如何能更完善的建立客戶關(guān)系管理體系與數(shù)據(jù)挖掘技術(shù)相互融合，這樣才能使得企業(yè)獲得更強(qiáng)的企業(yè)核心競爭力。

　　二、數(shù)據(jù)挖掘技術(shù)在企業(yè)客戶關(guān)系管理實(shí)行中存在的問題

　　現(xiàn)今，我國的金融業(yè)發(fā)展存在著數(shù)據(jù)數(shù)量大，數(shù)據(jù)信息混亂等問題，無法結(jié)合客戶關(guān)系管理的需要，建立統(tǒng)一而行之有效的數(shù)據(jù)歸納，并以客戶為中心實(shí)行客戶關(guān)系管理。

　　1.客戶信息不健全

　　在如今的銀行企業(yè)，雖然已經(jīng)實(shí)行實(shí)名制戶籍管理制度，但由于實(shí)行的年頭比較短，特別是以前的數(shù)據(jù)匱乏。重點(diǎn)體現(xiàn)在，銀行的客戶信息采集主要是姓名和身份證號碼，而對于客戶的職業(yè)、學(xué)歷等相關(guān)信息一概不知，極大的影響了客戶關(guān)系管理體系的構(gòu)建。另外，數(shù)據(jù)還不能統(tǒng)一和兼容，每個系統(tǒng)都是獨(dú)立的系統(tǒng)，比如：信貸系統(tǒng)、儲蓄系統(tǒng)全部分離。這樣存在交叉、就不能掌握出到底擁有多少客戶，特別是那些需要服務(wù)的目標(biāo)客戶，無法享受到銀行給予的高質(zhì)量的優(yōu)質(zhì)服務(wù)。

　　2.數(shù)據(jù)集中帶來的差異化的憂慮

　　以客戶為中心的客戶關(guān)系管理體系，是建立在客戶差異化服務(wù)的基礎(chǔ)上的，而作為銀行大多數(shù)以數(shù)據(jù)集中，全部有總行分配，這樣不僅不利于企業(yè)的差異化服務(wù)，給顧客提供優(yōu)質(zhì)得到個性化業(yè)務(wù)，同時，分行也很難對挖掘潛在客戶和分析客戶成分提供一手的數(shù)據(jù)，損失客戶的利益，做到數(shù)據(jù)集中，往往是不明智的選擇。

　　3.經(jīng)營管理存在弊端

　　從組織結(jié)構(gòu)上，我國的銀行體系設(shè)置機(jī)構(gòu)龐雜，管理人員與生產(chǎn)服務(wù)人員脫節(jié)現(xiàn)象極其普遍，管理人員不懂業(yè)務(wù)，只是一味的抓市場，而沒有有效的營銷手段，更別說以市場為導(dǎo)向，以客戶為核心，建立客戶關(guān)系管理體系。大多數(shù)的人完全是靠關(guān)系而非真正意義上靠能力，另外，業(yè)務(wù)流程繁瑣，不利于客戶享受更多的星級待遇，這與數(shù)據(jù)發(fā)掘的運(yùn)用背道而馳，很難體現(xiàn)出客戶關(guān)系管理的價值。

　　三、數(shù)據(jù)挖掘技術(shù)在企業(yè)的應(yīng)用和實(shí)施

　　如何能更好的`利用數(shù)據(jù)挖掘技術(shù)與客戶關(guān)系管理進(jìn)行合理的搭配和結(jié)合是現(xiàn)今我們面臨的最大問題。所有我們對客戶信息進(jìn)行分析，利用模糊聚類分析方法對客戶進(jìn)行分類，通過建立個性化的信息服務(wù)體系，真正意義的提高客戶的價值。

　　1.優(yōu)化客戶服務(wù)

　　以客戶為中心提高服務(wù)質(zhì)量是銀行發(fā)展的根源。要利用數(shù)據(jù)挖掘技術(shù)的優(yōu)勢，發(fā)現(xiàn)信貸趨勢，及時掌握客戶的需求，為客戶提高網(wǎng)上服務(wù)，網(wǎng)上交易，網(wǎng)上查詢等功能，高度體現(xiàn)互聯(lián)網(wǎng)的作用，動態(tài)挖掘數(shù)據(jù)，通過智能化的信貸服務(wù)，拓寬銀行業(yè)務(wù)水平，保證客戶的滿意度。

　　2.利用數(shù)據(jù)挖掘技術(shù)建立多渠道客戶服務(wù)系統(tǒng)

　　利用數(shù)據(jù)挖掘技術(shù)整合銀行業(yè)務(wù)和營銷環(huán)節(jié)為客戶提供綜合性的服務(wù)。采用不同的渠道實(shí)現(xiàn)信息共享，針對目標(biāo)客戶推薦銀行新產(chǎn)品，拓寬新領(lǐng)域，告別傳統(tǒng)的柜臺服務(wù)體系，實(shí)行互聯(lián)網(wǎng)與柜臺體系相結(jié)合的多渠道服務(wù)媒介體系。優(yōu)化客戶關(guān)系管理理念，推進(jìn)營銷戰(zhàn)略的執(zhí)行。提高企業(yè)的美譽(yù)度。

　　四、數(shù)據(jù)挖掘技術(shù)是銀行企業(yè)客戶關(guān)系管理體系構(gòu)建的基礎(chǔ)

　　隨著信息技術(shù)的不斷發(fā)展，網(wǎng)絡(luò)技術(shù)的快速推進(jìn)，客戶關(guān)系管理體系要緊跟時代潮流，緊密圍繞客戶為中心，利用信息優(yōu)勢，自動獲取客戶需求，打造出更多的個性化、差異化客戶服務(wù)理念，使得為企業(yè)核心競爭能力得到真正意義的提高。

數(shù)據(jù)挖掘論文12

　　1、數(shù)據(jù)挖掘技術(shù)的概念和實(shí)用價值

　　1.1 數(shù)據(jù)挖掘的概念

　　所謂數(shù)據(jù)挖掘，其實(shí)就是從大量繁雜的數(shù)據(jù)中找出對自己發(fā)展有益的數(shù)據(jù)、模型及規(guī)律。主要依據(jù)事先確定好的商業(yè)目標(biāo)，深入分析和研究各種企業(yè)數(shù)據(jù)，發(fā)掘里面隱藏的商業(yè)內(nèi)容，還要在工作中不斷提高其科學(xué)性。數(shù)據(jù)挖掘的綜合型較強(qiáng)，需要使用諸多專業(yè)理論以及技術(shù)工具，主要有數(shù)據(jù)庫技術(shù)、統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)、模型識別、人工智能、神經(jīng)網(wǎng)絡(luò)等。

　　1.1.1 分類

　　其實(shí)質(zhì)就是對數(shù)據(jù)進(jìn)行分門別類。先從數(shù)據(jù)中挑選出分類完的訓(xùn)練集，然后將其作為依據(jù)來設(shè)置一個科學(xué)的分類模型，還要將雜亂的數(shù)據(jù)進(jìn)行綜合整理。

　　1.1.2 估值

　　估值和分類有很多相同點(diǎn)，其差異在于：分散是對離散型變量進(jìn)行輸出，但估值輸出的是連續(xù)值，且分類的類別是有數(shù)目規(guī)定的，但估值卻是隨意的。

　　1.1.3 預(yù)測

　　一般情況下，預(yù)測要借助分類或估值才能發(fā)揮效果，具體說來，就是用分類及估值期間使用的模型來預(yù)估未知的變量。檢測的目的與其大同小異，但而其結(jié)果必須經(jīng)時間驗(yàn)證，也就是說在很長一段時間后，才可以評估其準(zhǔn)確性。

　　1.1.4 相關(guān)性分組或關(guān)聯(lián)規(guī)則

　　要記錄好時間類型及發(fā)生日期，這樣可以為后續(xù)的施工提供借鑒。

　　1.1.5 聚類

　　就是對各種數(shù)據(jù)進(jìn)行整理并且分類，以聚集為類別。兩者的主要區(qū)別是聚類不需要事先定義好類別，不用借助訓(xùn)練集。

　　1.1.6 描述和可視化

　　用歸約、概括、圖形表示等方式來表示數(shù)據(jù)。

　　1.2 數(shù)據(jù)挖掘在電力企業(yè)的使用價值

　　商業(yè)領(lǐng)域?qū)τ跀?shù)據(jù)挖掘技術(shù)的需求較大，因此數(shù)據(jù)挖掘在多個商業(yè)領(lǐng)域得到了大范圍的應(yīng)用。下文便依據(jù)電力企業(yè)的行業(yè)特征來論述一下數(shù)據(jù)挖掘技術(shù)在電力企業(yè)中的重要作用。

　　1.2.1 指導(dǎo)設(shè)備更新

　　在發(fā)生了下述兩種情況時就要對設(shè)備進(jìn)行更新：首先，電力設(shè)施意外毀壞，這便要第一時間更換，一般電力設(shè)備監(jiān)控設(shè)施可以檢測出這類故障，這樣也能夠在第一時間進(jìn)行維修。其次是更換老化的設(shè)備，這就需要以經(jīng)驗(yàn)為依據(jù)，例如檢查設(shè)備的使用年限等，但這種方式并不具有多大的科學(xué)性，因?yàn)楹芏嘣O(shè)備可能由于保養(yǎng)得當(dāng)而延長使用年限，如果貿(mào)然更換會產(chǎn)生巨大的浪費(fèi);還有些設(shè)備的使用時間可能不長，但是其性能卻已經(jīng)不滿足標(biāo)準(zhǔn)，若不及時更換也會產(chǎn)生巨大的浪費(fèi)。一般情況下，我們可以借助故障保修、電力耗費(fèi)及相關(guān)電力參數(shù)等各種數(shù)據(jù)來確定電力設(shè)備的故障及老化狀況，最終確定是否更換設(shè)備。

　　1.2.2 業(yè)績評估

　　我國的電力企業(yè)一直沒有一套標(biāo)準(zhǔn)的.體系來評價集團(tuán)公司分公司的成績。若只評估其所創(chuàng)造的經(jīng)濟(jì)利潤，則會因各地區(qū)的發(fā)展有所誤差，并且電力行業(yè)是與我們的生產(chǎn)生活息息相關(guān)的，安全性及其它性能的重要意義遠(yuǎn)大于利潤。但數(shù)據(jù)挖掘技術(shù)卻能夠綜合分析諸多影響因素，通過分析由利潤、利潤增長率、同行對比、投訴舉報、生產(chǎn)成本等數(shù)據(jù)組成的主題倉庫來研究區(qū)域或者是自公司的運(yùn)營情況，并用圖表等簡潔明了的方式體現(xiàn)出來，為決策提供依據(jù)。

　　1.2.3 指導(dǎo)電力企業(yè)的建設(shè)規(guī)劃

　　最近，我國的廣東頻繁發(fā)生電力供不應(yīng)求的情況，其主要原因便是沒能很好的掌握市場進(jìn)步的趨勢，在電廠的建設(shè)及電網(wǎng)建設(shè)方面都沒能滿足市場的需求，這時數(shù)據(jù)挖掘工作的重要性便得到了很好的體現(xiàn)。將新增用戶(報裝)、現(xiàn)有用戶、用戶位置、用戶用電量、國家的建設(shè)計(jì)劃等相關(guān)資料實(shí)行認(rèn)真的研究分析便可以制定出電力企業(yè)的發(fā)展計(jì)劃，有此為指導(dǎo)，才能促進(jìn)電力行業(yè)的飛速發(fā)展。

　　1.2.4 指導(dǎo)電力的生產(chǎn)和購買

　　我國推出電力企業(yè)改革方案后，廣東省電力集團(tuán)便在積極的踐行，到01年底已大體完成廠網(wǎng)分離。改革的逐步深化，而言使得我們面臨了一些新的問題。例如在電力購買方面，傳統(tǒng)的電廠和電網(wǎng)屬一個單位，電廠會供給電網(wǎng)充足的電力。可在如今，電網(wǎng)用電時一定要提前購買，但因?yàn)殡娏Φ孽r明特征即買多少用多少，使得購買時間和購買量無法準(zhǔn)確的確定。而借助數(shù)據(jù)挖掘技術(shù)可以很好的解決這一問題。對有關(guān)的主體車庫進(jìn)行深入挖掘便可確定需購買的電力總量，并對發(fā)電企業(yè)的生產(chǎn)計(jì)劃進(jìn)行指導(dǎo)。

　　1.2.5 減少電力損耗，改善電力質(zhì)量，減少設(shè)備損耗

　　電力產(chǎn)品具有自身的顯著特征，主要體現(xiàn)在它不能進(jìn)行儲存，只有按需供給�？墒�，發(fā)電和用電是有著很大差異的，要想保證電力的質(zhì)量，就必須不斷提高設(shè)施的安全性，并對其實(shí)施科學(xué)的調(diào)整�，F(xiàn)今使用的主要方式是建設(shè)蓄能電廠，若電力有多余則要保存起來，等電力供應(yīng)不足時則用這部分電力，將其進(jìn)行安排調(diào)度并制定合理的疾患，便能實(shí)現(xiàn)電力儲存技術(shù)的靈活調(diào)節(jié)，實(shí)現(xiàn)降低電力浪費(fèi)，提高電力質(zhì)量，避免設(shè)備的耗損。

　　2、使用數(shù)據(jù)挖掘的必要性和可行性

　　2.1 我國電力企業(yè)信息化現(xiàn)狀使采用數(shù)據(jù)挖掘技術(shù)成為可能

　　觀察以廣電企業(yè)的現(xiàn)狀可以知道，電網(wǎng)的信息化已經(jīng)有了很大的進(jìn)步，也就是不再僅僅借助計(jì)算機(jī)完成統(tǒng)計(jì)報表，管理信息也不是單機(jī)單項(xiàng)應(yīng)用工作的時期，其正處在信息化的中級發(fā)展環(huán)節(jié)，企業(yè)有自己的局域網(wǎng)，廣電集團(tuán)也已經(jīng)實(shí)現(xiàn)了光纖網(wǎng)的全省覆蓋，企業(yè)完成信息化之后，能夠使內(nèi)部的管理工作更加高效，如MIS、OA、物資管理、財(cái)務(wù)管理以及客戶服務(wù)中心等。能夠獲得企業(yè)的許多基本數(shù)據(jù)，并使應(yīng)用平臺更加的科學(xué)，而企業(yè)在進(jìn)行數(shù)據(jù)挖掘工作時，便可以將這眾多數(shù)據(jù)作為有效依據(jù)。

　　2.2 我國電力企業(yè)改革的趨勢使采用數(shù)據(jù)挖掘技術(shù)成為必然

　　我國黨政領(lǐng)導(dǎo)集團(tuán)在積極的轉(zhuǎn)變行業(yè)壟斷的現(xiàn)狀，促進(jìn)競爭方式的合理化。我國電力企業(yè)中已經(jīng)使用了“廠網(wǎng)分家”模式，這使得發(fā)電競爭有了科學(xué)的模式，廣電集團(tuán)也已經(jīng)結(jié)束了這部分的工作。接下來便是向電網(wǎng)運(yùn)轉(zhuǎn)方向轉(zhuǎn)變。為在將來的競爭中保持優(yōu)勢，電力企業(yè)一定要盡可能的降低生產(chǎn)經(jīng)營的成本，這樣有利于更好的為客戶提供服務(wù)，并熟悉自己及競爭企業(yè)的實(shí)際情況。上述的所有事情，都要使用現(xiàn)代信息技術(shù)來解決，而數(shù)據(jù)挖掘技術(shù)又起著極其重要的作用。

　　3、展望

　　作為智能系統(tǒng)的心臟，信息通信系統(tǒng)在今后電網(wǎng)業(yè)的進(jìn)步中有著非常積極的意義。現(xiàn)今，我國電網(wǎng)業(yè)早已設(shè)立了在國內(nèi)、國際都很先進(jìn)的集成系統(tǒng)。三地集中式數(shù)據(jù)也開始慢慢運(yùn)轉(zhuǎn)起來，各企業(yè)的一級業(yè)務(wù)面也越來越廣，各種數(shù)據(jù)中心也都開始運(yùn)轉(zhuǎn)起來，我國電網(wǎng)的數(shù)據(jù)和種類都開始步入正軌。其“量類時”特征，也在海量、實(shí)時的電網(wǎng)業(yè)務(wù)內(nèi)有了更大的作用，所以必須對其進(jìn)行深入研究。

　　現(xiàn)今，我們通常把電網(wǎng)業(yè)務(wù)數(shù)據(jù)歸為三種：首先，單位生產(chǎn)的資料，有發(fā)電量、電壓穩(wěn)定性等指標(biāo)等;其次，單位工作中的數(shù)據(jù)，包括交易價格、用戶的需求方面的數(shù)據(jù)等;最后是單位的管理資料，如ERP、一體化平臺、協(xié)同辦公等方面的數(shù)據(jù)。我們要熟練了解這諸多數(shù)據(jù)的特征，然后開展深入的探究，還能推出很多高附加值的服務(wù)，這也能促進(jìn)電網(wǎng)安全性檢測的順利進(jìn)行，還可以更好的掌控企業(yè)的經(jīng)營、滿足用戶的需求，使企業(yè)的管理水平得到提高。

　　比如，在設(shè)立電力企業(yè)的“大營銷”模式時，要以滿足顧客需求為目標(biāo)，建立各種服務(wù)平臺以第一時間滿足客戶各種需求，如：95588、114等。為了完善服務(wù)模式，提高服務(wù)質(zhì)量，應(yīng)該詳細(xì)的分析各種數(shù)據(jù)，使得服務(wù)水平和營銷能力得到大幅度的提升和改善;分析型數(shù)據(jù)是進(jìn)行服務(wù)和開展?fàn)I銷的必要前提和重要基礎(chǔ)，應(yīng)該得到足夠的重視，對原有的營銷組織模式進(jìn)行查漏補(bǔ)缺，通過借鑒其他單位的成功經(jīng)驗(yàn)來彌補(bǔ)自己的不不足和缺陷，對各種服務(wù)資源進(jìn)行合理的配置，盡可能讓大多數(shù)人滿意，為了更好的利用數(shù)據(jù)并提高營銷能力，要建立數(shù)據(jù)監(jiān)控分析模型;營銷數(shù)據(jù)之間是存在著隱藏關(guān)系的，顯而易見，這些隱藏信息不容易被發(fā)現(xiàn)，為了增強(qiáng)分析數(shù)據(jù)的全面性、系統(tǒng)性、直觀性、便捷性，建立各種系統(tǒng)性算法模型庫不僅是極其有必要的，而且是相當(dāng)重要的，當(dāng)然這種系統(tǒng)性的算法模型庫是針對營銷制定的，這樣做可以增強(qiáng)把握市場動態(tài)的及時性，我們知道，任何類型的營銷必定離不開市場，市場是開展?fàn)I銷主要遵循的依據(jù)，脫離了市場，營銷就會抓不住頭腦，因而，算法模型庫的建立可以為企業(yè)單位創(chuàng)造更多的經(jīng)濟(jì)效益和社會效益，增強(qiáng)企業(yè)的核心競爭力，擴(kuò)大企業(yè)單位的市場份額，使企業(yè)更穩(wěn)的立足于競爭激烈的市場之上，甚至是處于領(lǐng)頭羊的地位，促進(jìn)國民經(jīng)濟(jì)建設(shè)，為人民提供更好的服務(wù)。

　　數(shù)據(jù)有著很好的增值價值，其他的服務(wù)也可以通過數(shù)據(jù)增值價值得到衍生。所以，加大對數(shù)據(jù)的利用與研究勢在必行。把數(shù)據(jù)當(dāng)中重要的依據(jù)、基礎(chǔ)甚至是紐帶，沿著這個紐帶進(jìn)行研究與利用。將數(shù)據(jù)研究和使用的成果合理的運(yùn)用起來，例如，將其轉(zhuǎn)化為新型的支付方式和消費(fèi)形態(tài)，使客戶感受到非同一般的感覺，突破了以往的業(yè)務(wù)系統(tǒng)僅僅專注于自己內(nèi)容的方式，電網(wǎng)的生產(chǎn)效率會得到提高，企業(yè)的管理水平也會因此得到大幅度的改善與提高。

數(shù)據(jù)挖掘論文13

　　摘要：隨著計(jì)算機(jī)信息網(wǎng)絡(luò)的快速發(fā)展，數(shù)據(jù)挖掘在軟件工程中的地位越來越突出。軟件工程數(shù)據(jù)挖掘是在冗余的數(shù)據(jù)中發(fā)現(xiàn)有用的數(shù)據(jù)，從而得到更好地利用。社會的發(fā)展，科技的進(jìn)步使得社會進(jìn)入了網(wǎng)絡(luò)信息熱時代，隨之計(jì)算機(jī)軟件也不斷增加，人們獲取的信息大部分是人手動操作軟件獲得的，這樣的信息量具有一定的局限性。因此，為了滿足當(dāng)今社會的需要，必須借助于軟件工程數(shù)據(jù)挖掘的手段。

　　關(guān)鍵詞：軟件工程；數(shù)據(jù)挖掘；研究現(xiàn)狀

　　中圖分類號：TP311 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（20xx）26-0020-02

　　利用數(shù)據(jù)挖掘技術(shù)對大量冗余的數(shù)據(jù)進(jìn)行篩選從而得到少量精確的信息。冗余的數(shù)據(jù)是指既包含有用信息有包含無用信息，利用數(shù)據(jù)挖掘技術(shù)剔除掉多余的無用信息留下有用信息，這樣既可以提高手機(jī)數(shù)據(jù)的質(zhì)量又可以提高工作效率。所以，數(shù)據(jù)挖掘技術(shù)在當(dāng)前的軟件工程中起著越來越重要的作用。數(shù)據(jù)挖掘技術(shù)提取、篩選、分析和整理數(shù)據(jù)比人工操作軟件獲得的數(shù)據(jù)更精確更高效。同時，使用這種技術(shù)為軟件開發(fā)者提供了有利的條件，它可以給軟件開發(fā)者提供一些對其開發(fā)軟件有用的信息。軟件開發(fā)者想要更有效率的開發(fā)出更高質(zhì)量的軟件，就必須獲得更多的更有用的數(shù)據(jù)，而想要收集和整理出有用數(shù)據(jù)就需要借助數(shù)據(jù)挖掘技術(shù)來實(shí)現(xiàn)，進(jìn)而提高工作效率。

　　1 數(shù)據(jù)挖掘的基本概述

　　軟件工程數(shù)據(jù)主要是指開發(fā)軟件過程中所涉及的各類數(shù)據(jù)，如需求分析、可行性分析、設(shè)計(jì)等文檔，開發(fā)商通信、軟件注釋、代碼、版本、測試用例和結(jié)果、使用說明、用戶反饋等信息數(shù)據(jù)，一般情況下其是軟件開發(fā)者獲取軟件數(shù)據(jù)的唯一來源；而數(shù)據(jù)挖掘是指在海量數(shù)據(jù)中集中發(fā)現(xiàn)有用知識或信息的過程。

　　軟件工程數(shù)據(jù)挖掘的工作原理 主要包括數(shù)據(jù)預(yù)處理階段、挖掘階段以及評估階段三個方面。在挖掘階段主要是運(yùn)用分類、統(tǒng)計(jì)、關(guān)聯(lián)、聚類、異常檢測等一系列算法的過程。在評估階段數(shù)據(jù)挖掘的意義主要在于其結(jié)果應(yīng)易被用戶理解，其結(jié)果評估主要有兩個環(huán)節(jié)分別是模式過濾和模式表示。

　　數(shù)據(jù)挖掘在計(jì)算機(jī)軟件工程中的研究相當(dāng)多，它是分析數(shù)據(jù)的一種新穎方式。目前，隨著社會工作的復(fù)雜度，需要更加完善的軟件，因此對于軟件代碼的數(shù)量也在急劇增加進(jìn)而導(dǎo)致了數(shù)據(jù)量的快速增長。而傳統(tǒng)的數(shù)據(jù)計(jì)算方式已經(jīng)不能滿足目前對于大量數(shù)據(jù)進(jìn)行分析的要求，所以，研究者希望能夠發(fā)掘出一種新的數(shù)據(jù)分析方式更高效的整理出有用的數(shù)據(jù)信息。軟件開發(fā)中會積累大量的數(shù)據(jù)，比如說文本數(shù)據(jù)，測試數(shù)據(jù)，用戶信息數(shù)據(jù)以及用戶體驗(yàn)反饋數(shù)據(jù)等等，軟件開發(fā)者為了開發(fā)出更好的軟件就必須分析和整理這些數(shù)據(jù)。但是，目前軟件工程開發(fā)的軟件越來越大，其數(shù)據(jù)越累越復(fù)雜對于數(shù)據(jù)的處理已經(jīng)超出了人工處理的能力的范疇，所以說繼續(xù)使用傳統(tǒng)數(shù)據(jù)處理的方式來收集，整理和分析數(shù)據(jù)已經(jīng)不可能實(shí)現(xiàn)。因此，推動了人們對于新的數(shù)據(jù)處理方式的研究，所以才提出了軟件工程數(shù)據(jù)挖掘技術(shù)。

　　2 軟件工程數(shù)據(jù)挖掘的應(yīng)用

　　隨著計(jì)算機(jī)軟件工程的發(fā)展，可以發(fā)現(xiàn)傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)具有很多的不足，存在一定的缺陷。傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)的定位系統(tǒng)不完善，定位不精確，并沒有體現(xiàn)出數(shù)據(jù)挖掘技術(shù)的高性能，它不足以滿足當(dāng)代對于數(shù)據(jù)處理的要求，因此需要對傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)進(jìn)行改進(jìn)和完善，這是我們目前的首要任務(wù)之一。為了迎合現(xiàn)代化網(wǎng)絡(luò)信息技術(shù)的快速發(fā)展，需要發(fā)掘出新的數(shù)據(jù)處理模式，就是在這樣的背景條件下，誕生了軟件工程數(shù)據(jù)挖掘技術(shù)。相比于存在很多缺陷與不足的傳統(tǒng)軟件工程而言，軟件工程數(shù)據(jù)挖掘技術(shù)更加簡單、方便、高效以及精確。軟件工程數(shù)據(jù)挖掘技術(shù)并不需要特定的技術(shù)平臺，體現(xiàn)了其普適性。當(dāng)前，我國已經(jīng)開始深入的研究軟件工程數(shù)據(jù)挖掘技術(shù)，但是，仍然需要更深的開發(fā)其性能以便更好地滿足社會的需求。

　　3 軟件工程數(shù)據(jù)挖掘面臨的挑戰(zhàn)

　　軟件工程數(shù)據(jù)相比于普通數(shù)據(jù)更加復(fù)雜，所以對于軟件工程數(shù)據(jù)進(jìn)行處理具有很大的挑戰(zhàn)性。處理軟件工程的大量數(shù)據(jù)具有：軟件工程數(shù)據(jù)復(fù)雜性，軟件工程的數(shù)據(jù)處理非傳統(tǒng)以及需要嚴(yán)格精確的軟件工程數(shù)據(jù)的分析結(jié)果等三方面的困難。

　　3.1 對數(shù)據(jù)復(fù)雜性的分析

　　軟件工程數(shù)據(jù)包括結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)。軟件工程中所產(chǎn)生的缺陷報告以及各種版本信息構(gòu)成了結(jié)構(gòu)化數(shù)據(jù)信息；而軟件工程處理過程中所產(chǎn)生的代碼信息和文本文檔信息構(gòu)成了非結(jié)構(gòu)化數(shù)據(jù)信息。由于這兩類數(shù)據(jù)包含的具體內(nèi)容不同，所以需要分別處理這兩種數(shù)據(jù)，需要使用不同的算法對他們進(jìn)行處理。雖然說需要不同方式處理這兩種數(shù)據(jù)但是并不表示這兩種數(shù)據(jù)之間沒有任何聯(lián)系，事實(shí)上，它們之間存在著重要的對應(yīng)關(guān)系。例如：代碼中存在著缺陷報告，版本信息中存在著對應(yīng)的文檔信息，由于它們之間存在著這樣的對應(yīng)關(guān)系，所以使得人們不能很好地對其進(jìn)行整體分析，這就促使了人們開發(fā)出一種新的算法，新的數(shù)據(jù)分析技術(shù)能夠同時將結(jié)構(gòu)化信息和非結(jié)構(gòu)化信息這兩種對應(yīng)數(shù)據(jù)一起挖掘出來。

　　3.2 對數(shù)據(jù)處理非傳統(tǒng)的分析

　　分析和評估軟件工程數(shù)據(jù)挖掘出來的信息，這是數(shù)據(jù)挖掘過程的最后一步�？蛻羰擒浖�工程數(shù)據(jù)挖掘數(shù)據(jù)處理的最后宿體，軟件開發(fā)者需要對最終挖掘出來的數(shù)據(jù)進(jìn)行轉(zhuǎn)變，格式轉(zhuǎn)變是為了滿足廣大客戶對于數(shù)據(jù)不同的`要求。但是，由于需要對數(shù)據(jù)進(jìn)行格式轉(zhuǎn)變，相當(dāng)于增加了一定的工作量，那么軟件工程數(shù)據(jù)挖掘的效率則會被大大降低。對于客戶而言，他們需要的信息各種各樣并不單一，比如說客戶可能會同時需要具體的例子和編程代碼等；或者說需要具體例子和缺陷報告等；或者三者皆需要。由此可見，我們?nèi)匀恍枰�改進(jìn)和完善軟件工程數(shù)據(jù)挖掘技術(shù)來提高其效率。怎樣才能做到讓客戶得到滿意的數(shù)據(jù)挖掘結(jié)果呢？那么就需要高效的數(shù)據(jù)挖掘技術(shù)將各類信息進(jìn)行歸納總結(jié)，改變其格式。這樣的技術(shù)，不僅僅可以滿足客戶需求而且還可以使軟件開發(fā)者從中得到更大的利益。

　　3.3 對數(shù)據(jù)挖掘結(jié)果好壞的評價標(biāo)準(zhǔn)

　　對于傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)而言，它也有一套自己的對于數(shù)據(jù)結(jié)果處理好壞的分析標(biāo)準(zhǔn)，而這個標(biāo)準(zhǔn)對于傳統(tǒng)數(shù)據(jù)挖掘技術(shù)數(shù)據(jù)處理的分析較準(zhǔn)確。但是，在當(dāng)前的軟件工程所要處理的數(shù)據(jù)量很大，傳統(tǒng)的評價標(biāo)準(zhǔn)已經(jīng)不能滿足現(xiàn)在的數(shù)據(jù)分析要求；使用不同的數(shù)據(jù)結(jié)果評價標(biāo)準(zhǔn)來評判不同的數(shù)據(jù)挖掘結(jié)果。然而不同的評價標(biāo)準(zhǔn)之間的聯(lián)系并不緊密，因此就需要開發(fā)者針對不同的數(shù)據(jù)類型做出不同的評價分析標(biāo)準(zhǔn)以便滿足客戶需求。想要對數(shù)據(jù)分析結(jié)果是否準(zhǔn)確，數(shù)據(jù)挖掘的信息是否合理等等這些不同的問題進(jìn)行更加深刻的了解，就要求開發(fā)者有獨(dú)特的見解，對于數(shù)據(jù)結(jié)果是否精確有一定的判斷能力�？傊�，獲取準(zhǔn)確的信息就是軟件工程數(shù)據(jù)挖掘的目的。所以，最后獲得的數(shù)據(jù)是否滿足要求就是評判軟件工程數(shù)據(jù)挖掘結(jié)果是否完美的標(biāo)準(zhǔn)。endprint

　　4 對軟件工程數(shù)據(jù)挖掘應(yīng)用進(jìn)行分析

　　4.1 對軟件數(shù)據(jù)挖掘技術(shù)進(jìn)行分析

　　在軟件開發(fā)的過程中，數(shù)據(jù)挖掘技術(shù)包括兩個方面：（1）程序編寫；（2）程序成果。在這個過程中，程序結(jié)構(gòu)和程序功能技術(shù)的主要作用就是檢索出有效的信息。提升信息的有效性需要聯(lián)系到客戶的實(shí)際需要，同時也需要對程序編寫過程進(jìn)行智能化培訓(xùn)。將調(diào)用、重載和多重繼承等關(guān)系家合起來進(jìn)行有效的記錄各種相關(guān)信息，重視靜態(tài)規(guī)則的同時利用遞歸測試的方式來分配工作，從而更有效的掌握關(guān)聯(lián)度之間的可信性。

　　4.2 做好軟件維護(hù)中的軟件工程數(shù)據(jù)挖掘工作

　　在軟件維護(hù)的過程中，軟件修復(fù)和軟件改善工作依賴于數(shù)據(jù)挖掘技術(shù)。數(shù)據(jù)挖掘技術(shù)在軟件缺陷以及軟件結(jié)構(gòu)等也起到了重要的作用。軟件修復(fù)即維護(hù)者通過依據(jù)缺陷分派進(jìn)行有效的評估并改善缺陷程序進(jìn)而確定修復(fù)級別或者維護(hù)者可以選擇缺陷修復(fù)方式，無論哪種方式最終目的都是進(jìn)行軟件修復(fù)來保證數(shù)據(jù)挖掘的高效性。缺陷分派即將缺陷轉(zhuǎn)化為文本類型，采取有效措施來進(jìn)行修復(fù)。但是，這樣的方式它的實(shí)際準(zhǔn)確率并不高，因而需要利用強(qiáng)化檢測來完善缺陷報告技術(shù)。

　　4.3 注重高性能數(shù)據(jù)挖掘技術(shù)開發(fā)工作

　　數(shù)據(jù)挖掘技術(shù)體現(xiàn)在軟件開發(fā)工作中的創(chuàng)新性不可或缺，在實(shí)際的工作過程中，目前的軟件工程數(shù)據(jù)挖掘更加重視兩個工作：（1）規(guī)則分析方式；（2）項(xiàng)目檢索工作。總而言之，想要高效快速地尋找病毒，并對其進(jìn)行全方位分析和評估得到準(zhǔn)確的病毒數(shù)據(jù)需要高性能數(shù)據(jù)挖掘技術(shù)。只有提升數(shù)據(jù)分析的可行性，提升軟件開發(fā)安全性能，才能更好地實(shí)現(xiàn)軟件工程的良好發(fā)展。

　　5 總結(jié)

　　綜上所述，數(shù)據(jù)挖掘技術(shù)的應(yīng)用非常廣泛，比如說分析代碼、軟件故障檢測以及軟件項(xiàng)目管理等三個方面應(yīng)用較多。值得關(guān)注的是，當(dāng)前對于數(shù)據(jù)挖掘技術(shù)的研究還不夠成熟。因此，研究者需要對軟件工程數(shù)據(jù)挖掘技術(shù)進(jìn)行深入的研究，從而能夠促進(jìn)軟件更好地開發(fā)和管理。相信在不久的將來，我們一定可以在數(shù)據(jù)挖掘方面取得非常好的優(yōu)化效果。

　　參考文獻(xiàn)：

　　[1] 江義晟.軟件工程數(shù)據(jù)挖掘研究進(jìn)展[J].電子技術(shù)與軟件工程，20xx（22）.

　　[2] 胡金萍.探析軟件工程數(shù)據(jù)挖掘研究進(jìn)展[J].電腦知識與技術(shù)，20xx（34）.

　　[3] 馬保平.關(guān)于對軟件工程中的數(shù)據(jù)挖掘技術(shù)的探討[J].電子技術(shù)與軟件工程，20xx（19）.

　　[4] 徐琳，王寧.數(shù)據(jù)挖掘技術(shù)在軟件工程中的應(yīng)用分析[J].數(shù)字通信世界，20xx（8）.

數(shù)據(jù)挖掘論文14

　　題目：數(shù)據(jù)挖掘技術(shù)在神經(jīng)根型頸椎病方劑研究中的優(yōu)勢及應(yīng)用進(jìn)展

　　關(guān)鍵詞：數(shù)據(jù)挖掘技術(shù); 神經(jīng)根型頸椎病; 方劑; 綜述;

　　1 數(shù)據(jù)挖掘技術(shù)簡介

　　數(shù)據(jù)挖掘技術(shù)[1] (Knowledge Discovery in Datebase, KKD) , 是一種新興的信息處理技術(shù), 它融匯了人工智能、模式別、模糊數(shù)學(xué)、數(shù)據(jù)庫、數(shù)理統(tǒng)計(jì)等多種技術(shù)方法, 專門用于海量數(shù)據(jù)的處理, 從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)集中, 提取隱含在其中的、人們事先不知道的、但又是潛在的有用的信息和知識, 其目的是發(fā)現(xiàn)規(guī)律而不是驗(yàn)證假設(shè)。數(shù)據(jù)挖掘技術(shù)主要適用于龐大的數(shù)據(jù)庫的研究, 其特點(diǎn)在于:基于數(shù)據(jù)分析方法角度的分類, 其本質(zhì)屬于觀察性研究, 數(shù)據(jù)來源于日常診療工作資料, 應(yīng)用的技術(shù)較傳統(tǒng)研究更先進(jìn), 分析工具、理論模型與傳統(tǒng)研究區(qū)別較大。其操作步驟包括[2]:選擇數(shù)據(jù), 數(shù)據(jù)處理, 挖掘分析, 結(jié)果解釋, 其中結(jié)果解釋是數(shù)據(jù)挖掘技術(shù)研究的關(guān)鍵。其方法包括分類、聚類、關(guān)聯(lián)、序列、決策樹、貝斯網(wǎng)絡(luò)、因子、辨別等分析[3], 其結(jié)果通常表示為概念、規(guī)則、規(guī)律、模式、約束、可視化等形式圖[4]。當(dāng)今數(shù)據(jù)挖掘技術(shù)的方向主要在于:特定數(shù)據(jù)挖掘, 高效挖掘算法, 提高結(jié)果的有效性、確定性和表達(dá)性, 結(jié)果的可視化, 多抽象層上的交互式數(shù)據(jù)挖掘, 多元數(shù)據(jù)挖掘及數(shù)據(jù)的安全性和保密性。因其優(yōu)勢和獨(dú)特性被運(yùn)用于多個領(lǐng)域中, 且結(jié)果運(yùn)用后取得顯著成效, 因此越來越多的中醫(yī)方劑研究者將其運(yùn)用于方劑中藥物的研究。

　　2 數(shù)據(jù)挖掘術(shù)在神經(jīng)根型頸椎病治方研究中的優(yōu)勢

　　中醫(yī)對于神經(jīng)根型頸椎病的治療準(zhǔn)則為辨證論治, 從古至今神經(jīng)根型頸椎病的中醫(yī)證型有很多, 其治方是集中醫(yī)之理、法、方、藥為一體的數(shù)據(jù)集合, 具有以“方-藥-證”為核心的多維結(jié)構(gòu)。方劑配伍本質(zhì)上表現(xiàn)為方與方、方與藥、藥與藥、藥與劑量, 以及方藥與證、病、癥交叉錯綜的關(guān)聯(lián)與對應(yīng)[5], 而中醫(yī)方劑講究君臣佐使的配伍, 藥物有升降沉浮, 四氣五味及歸經(jīng)之別, 對于神經(jīng)根型頸椎病的治療, 治方中藥物的種類、炮制方法、用量、用法等都是千變?nèi)f化的, 而這些海量、模糊、看似隨機(jī)的藥物背后隱藏著對臨床有用的信息和規(guī)律, 但這些大數(shù)據(jù)是無法在可承受的時間范圍內(nèi)可用常規(guī)軟件工具進(jìn)行捕捉、管理和處理的, 是需要一個新處理模式才能具有更強(qiáng)的決策力、洞察力和流程優(yōu)化能力, 而數(shù)據(jù)挖掘技術(shù)有可能從這些海量的的數(shù)據(jù)中發(fā)現(xiàn)新知識, 揭示背后隱藏的關(guān)系和規(guī)則, 并且對未知的情況進(jìn)行預(yù)測[6]。再者, 中醫(yī)辨治充滿非線性思維, “方-藥-證”間的多層關(guān)聯(lián)、序列組合、集群對應(yīng), 形成了整體論的思維方式和原則, 而數(shù)據(jù)挖掘技術(shù)數(shù)據(jù)挖掘在技術(shù)線路上與傳統(tǒng)數(shù)據(jù)處理方法不同在于其能對數(shù)據(jù)庫內(nèi)的數(shù)據(jù)以線性和非線性方式解析, 尤善處理模糊的、非量化的數(shù)據(jù)。例如趙睿曦等[7]在研究張氏骨傷治療腰椎間盤突出癥的用藥規(guī)律時, 選取了100張治方, 因該病病因病機(jī)復(fù)雜, 證候不一, 骨傷名師張玉柱先生對該病的治則治法、藥物使用是不同的。因此他們利用Excel建立方證數(shù)據(jù)庫, 采用SPPS Clementine12.0軟件對這些數(shù)據(jù)的用藥頻次、藥物關(guān)聯(lián)規(guī)則及藥物聚類進(jìn)行分析, 最后總結(jié)出張氏骨傷治療腰椎間盤突出癥遵循病從肝治、病從血治、標(biāo)本兼治的原則, 也歸納出治療三種不同證型的腰突癥的三類自擬方。由此看出數(shù)據(jù)挖掘技術(shù)在方劑研究中的應(yīng)用對數(shù)據(jù)背后信息、規(guī)律等的挖掘及名家經(jīng)驗(yàn)的推廣具有重大意義, 因此數(shù)據(jù)挖掘技術(shù)在神經(jīng)根型頸椎病的治方研究中也同樣發(fā)揮著巨大的作用。

　　3 數(shù)據(jù)挖掘技術(shù)在神經(jīng)根型頸椎治方中的應(yīng)用進(jìn)展

　　神經(jīng)根型頸椎病在所有頸椎病中最常見, 約占50%~60%[8], 醫(yī)家對其治方的研究也是不計(jì)其數(shù)。近年來數(shù)據(jù)挖掘技術(shù)也被運(yùn)用于其治方研究中, 筆者通過萬方、中國知網(wǎng)等總共檢索出以下幾篇文獻(xiàn), 雖數(shù)量不多但其優(yōu)勢明顯。劉向前等[9]在挖掘古方治療神經(jīng)根型頸椎病的用藥規(guī)律時, 通過檢索《中華醫(yī)典》并從中篩選以治療頸項(xiàng)肩臂痛為主的古方219首并建立數(shù)據(jù)庫, 對不同證治古方的用藥類別、總味數(shù)、單味藥使用頻數(shù)及藥對 (組) 出現(xiàn)頻數(shù)進(jìn)行統(tǒng)計(jì), 總結(jié)出風(fēng)寒濕痹證、痰濕阻痹證、寒濕阻滯證、正虛不足證的用藥特點(diǎn), 得出解表藥、祛風(fēng)濕藥、活血化瘀藥、補(bǔ)虛藥是治療頸項(xiàng)肩臂痛古方組成的主要藥物。古為今用, 該研究對于現(xiàn)代醫(yī)家在治療該病中有很好的借鑒和參考意義。齊兵獻(xiàn)等[10]檢索CNKI (1980-20xx年) 相關(guān)文獻(xiàn)中治療神經(jīng)根型頸椎病的方劑建立數(shù)據(jù)庫, 采用SPSS11.5統(tǒng)計(jì)軟件這些治方常用藥物使用頻次頻率、性味頻率、歸經(jīng)頻率分析比較, 治療神經(jīng)根型頸椎病的中藥共計(jì)99味, 使用頻次479味次;所用藥物種類依次以補(bǔ)益藥、活血化瘀藥、祛風(fēng)濕藥運(yùn)用最多, 其中藥味以辛、苦為主, 藥性以溫、寒為主, 歸經(jīng)以肝、脾、心為主, 而本病以肝腎虧虛, 氣血瘀滯為主, 臨床以補(bǔ)益藥、活血化瘀藥、祛風(fēng)濕藥等中藥運(yùn)用最多。這對于醫(yī)家治療該病選用藥物的性味、歸經(jīng)等具有指導(dǎo)意義。陳元川等[11]檢索20xx年1月至20xx年3月發(fā)表的.以單純口服中藥治療神經(jīng)根型頸椎病的有關(guān)文獻(xiàn), 對其中的方劑和藥物進(jìn)行統(tǒng)計(jì)、歸類、分析, 最終納入32首方劑, 涉及111味中藥, 補(bǔ)氣藥、發(fā)散風(fēng)寒藥、活血止痛藥、補(bǔ)血藥等使用頻次較高;葛根、白芍、黃芪、當(dāng)歸、桂枝等藥物使用頻次較高, 證實(shí)與古方桂枝加葛根湯主藥相同, 且該方扶陽解表的治法與該研究得出的扶正祛邪的結(jié)果相吻合, 同時也證實(shí)石氏傷科強(qiáng)調(diào)治傷科病當(dāng)“以氣為主, 以血為先”等正確性。所以大數(shù)據(jù)背后的規(guī)律和關(guān)系在很多方面古今是一致的, 同時數(shù)據(jù)依據(jù)的支持也為現(xiàn)代神經(jīng)根型頸椎病治療提供有力的保障。謝輝等[12]收集20xx至20xx年10月3日的166張治療神經(jīng)根型頸椎病的治方建立數(shù)據(jù)庫, 采用關(guān)聯(lián)規(guī)則算法、復(fù)雜系統(tǒng)熵聚類等無監(jiān)督數(shù)據(jù)挖掘方法, 利用中醫(yī)傳承輔助平臺 (TCMISS) 軟件分析處方中各種藥物的使用頻次、藥物之間的關(guān)聯(lián)規(guī)則、核心藥物組合和新處方, 從中挖掘出治療該病中醫(yī)中的常用藥物、藥對, 闡明了治療該病以解肌散寒藥、補(bǔ)氣活血藥、祛風(fēng)勝濕藥和溫經(jīng)通絡(luò)藥為主, 治法主要包括解肌舒筋、益氣活血和補(bǔ)益肝腎, 這一方面很清晰明了地展示了藥物使用頻率、藥物之間的聯(lián)系, 證實(shí)其與很多古代經(jīng)典中治療神經(jīng)根型頸椎病的治則、治法及用藥規(guī)律是吻合的, 是臨床用藥的積累和升華, 可有效地指導(dǎo)臨床并提高療效;另一方面也為中藥新藥的創(chuàng)制提供處方來源, 指導(dǎo)新藥研發(fā)[13]。

　　4 小結(jié)

　　數(shù)據(jù)挖掘技術(shù)作為一種新型的研究技術(shù), 在神經(jīng)根型頸椎病的治方研究中的運(yùn)用相對于其他領(lǐng)域是偏少的, 并且基本上是研究文獻(xiàn)資料上出現(xiàn)的治方, 在對名老中醫(yī)個人治療經(jīng)驗(yàn)及用藥規(guī)律的總結(jié)是缺乏的, 因此研究范圍廣而缺乏針對性, 同時使用該技術(shù)的相關(guān)軟件種類往往是單一的。現(xiàn)在研究者在研究中醫(yī)方劑時往往采用傳統(tǒng)的研究方法, 這就導(dǎo)致在大數(shù)據(jù)的研究中耗時、耗力甚則無能為力, 同樣也難以精準(zhǔn)地提取大數(shù)據(jù)背后的隱藏的潛在關(guān)系和規(guī)則及缺乏對未知情況的預(yù)測。產(chǎn)生這樣的現(xiàn)狀, 一方面是很多研究者尚未清楚該技術(shù)在方劑研究中的優(yōu)勢所在, 思維模式尚未更新;另一方面是很多研究者尚未清楚該技術(shù)的操作技能及軟件種類及其應(yīng)用范圍。故以后應(yīng)向更多研究者普及該技術(shù)的軟件種類、其中的優(yōu)勢及操作技能, 讓該技術(shù)在臨床中使用更廣, 產(chǎn)生更大的效益。

　　參考文獻(xiàn)

　　[1]舒正渝.淺談數(shù)據(jù)挖掘技術(shù)及應(yīng)用[J].中國西部科技, 20xx, 9 (5) :38-39.

　　[2]曹毅, 季聰華.臨床科研設(shè)計(jì)與分析[M].杭州:浙江科學(xué)技術(shù)出版社, 20xx:189.

　　[3]王靜, 崔蒙.數(shù)據(jù)挖掘技術(shù)在中醫(yī)方劑學(xué)研究中的應(yīng)用[J].中國中醫(yī)藥信息雜志, 20xx, 15 (3) :103-104.

　　[4]陳丈偉.數(shù)據(jù)倉庫與數(shù)據(jù)挖掘[M].北京:清華大學(xué)出版社, 20xx:5.

　　[5]楊玉珠.數(shù)據(jù)挖掘技術(shù)綜述與應(yīng)用[J].河南科技, 20xx, 10 (19) :21.

　　[6]余侃侃.數(shù)據(jù)挖掘技術(shù)在方劑配伍中的研究現(xiàn)狀及研究方法[J].中國醫(yī)藥指南, 20xx, 6 (24) :310-312.

　　[7]趙睿曦.方證數(shù)據(jù)挖掘分析張氏骨傷對腰椎間盤突出癥的辨證用藥規(guī)律[J].陜西中醫(yī)藥大學(xué)學(xué)報, 20xx, 39 (6) :44-46.

　　[8]李曙明, 尹戰(zhàn)海, 王瑩.神經(jīng)根型頸椎病的影像學(xué)特點(diǎn)和分型[J].中國矯形外科雜志, 20xx, 21 (1) :7-11.

　　[9]劉向前, 陳民, 黃廣平等.頸項(xiàng)肩臂痛內(nèi)治古方常用藥物的統(tǒng)計(jì)分析[J].中華中醫(yī)藥學(xué)刊, 20xx, 30 (9) :42-44.

　　[10]齊兵獻(xiàn), 樊成虎, 李兆和.神經(jīng)根型頸椎病中醫(yī)用藥規(guī)律的文獻(xiàn)研究[J].河南中醫(yī), 20xx, 32 (4) :518-519.

　　[11]陳元川, 王翔, 龐堅(jiān), 等.單純口服中藥治療神經(jīng)根型頸椎病用藥分析[J].上海中醫(yī)藥雜志, 20xx, 48 (6) :78-80.

　　[12]謝輝, 劉軍, 潘建科, 等.基于數(shù)據(jù)挖掘方法的神經(jīng)根型頸椎病用藥規(guī)律研究[J].世界中西醫(yī)結(jié)合雜志, 20xx, 10 (6) :849-852.

　　[13]唐仕歡, 楊洪軍.中醫(yī)組方用藥規(guī)律研究進(jìn)展述評[J].中國實(shí)驗(yàn)方劑學(xué)雜志, 20xx (5) :359-363.

數(shù)據(jù)挖掘論文15

　　1理論研究

　　1.1客戶關(guān)系管理

　　客戶關(guān)系管理的目標(biāo)是依靠高效優(yōu)質(zhì)的服務(wù)吸引客戶，同時通過對業(yè)務(wù)流程的全面優(yōu)化和管理，控制企業(yè)運(yùn)行成本�？蛻絷P(guān)系管理是一種管理理念，將企業(yè)客戶視作企業(yè)發(fā)展最重要的企業(yè)資源，采用企業(yè)服務(wù)優(yōu)化等手段來管理客戶關(guān)系�？蛻絷P(guān)系管理并不是單純的信息技術(shù)或者管理技術(shù)，而是一種企業(yè)生物戰(zhàn)略，通過對企業(yè)客戶的分段充足，強(qiáng)化客戶滿意的行為，優(yōu)化企業(yè)可盈利性，將客戶處理工作上升到企業(yè)級別，不同部門負(fù)責(zé)與客戶進(jìn)行交互，但是整個企業(yè)都需要向客戶負(fù)責(zé)，在信息技術(shù)的支持下實(shí)現(xiàn)企業(yè)和客戶連接環(huán)節(jié)的自動化管理。

　　1.2客戶細(xì)分

　　客戶細(xì)分由美國學(xué)者溫德爾史密斯在20世紀(jì)50年代提出，認(rèn)為客戶細(xì)分是根據(jù)客戶屬性將客戶分成集合�，F(xiàn)代營銷學(xué)中的客戶細(xì)分是按照客戶特征和共性將客戶群分為不同等級或者子群體，尋找相同要素，對不同類別客戶心理與需求急性研究和評估，從而指導(dǎo)進(jìn)行企業(yè)服務(wù)資源的分配，是企業(yè)獲得客戶價值的一種理論與方法。因此我們注意到，客戶細(xì)分其實(shí)是一個分類問題，但是卻有著顯著的特點(diǎn)。

　　1.2.1客戶細(xì)分是動態(tài)的企業(yè)不斷發(fā)展變化，用戶數(shù)據(jù)不斷積累，市場因素的變化，都會造成客戶細(xì)分的變化。所以客戶細(xì)分工作需要根據(jù)客戶情況的變化進(jìn)行動態(tài)調(diào)整，

　　減少錯誤分類，提高多次細(xì)分中至少有一次是正確分類的可能性。

　　1.2.2受眾多因素影響

　　隨著時間的推移，客戶行為和心理會發(fā)生變化，所以不同時間的數(shù)據(jù)會反映出不同的規(guī)律，客戶細(xì)分方法需要在變化過程中準(zhǔn)確掌握客戶行為的規(guī)律性。

　　1.2.3客戶細(xì)分有不同的分類標(biāo)準(zhǔn)

　　一般分類問題強(qiáng)調(diào)準(zhǔn)確性，客戶關(guān)系管理則強(qiáng)調(diào)有用性，講求在特定限制條件下實(shí)現(xiàn)特定目標(biāo)。

　　1.3數(shù)據(jù)挖掘

　　數(shù)據(jù)挖掘就是從大型數(shù)據(jù)庫數(shù)據(jù)中提取有價值的、隱含的、事前未知的潛在有用信息。數(shù)據(jù)挖掘技術(shù)不斷發(fā)展，挖掘?qū)ο蟛辉偈菃我粩?shù)據(jù)庫，已經(jīng)逐漸發(fā)展到文件系統(tǒng)、數(shù)據(jù)集合以及數(shù)據(jù)倉庫的挖掘分析。

　　2客戶細(xì)分的數(shù)據(jù)挖掘

　　2.1邏輯模型

　　客戶數(shù)據(jù)中有著若干離散客戶屬性和連續(xù)客戶屬性，每個客戶屬性為一個維度，客戶作為空間點(diǎn)，全部客戶都能夠形成多為空間，作為客戶的屬性空間，假設(shè)A={A1，A2,…Am}是一組客戶屬性，屬性可以是連續(xù)的，也可以離散型，這些屬性就形成了客戶m維屬性空間。同時設(shè)g是一個描述客戶屬性的一個指標(biāo)，f(g)是符合該指標(biāo)的客戶集合，即為概率外延，則任一確定時刻都是n個互不相交集合。在客戶價值概念維度上，可分為“有價值客戶”“潛在價值客戶”“無價值客戶”三種類型，定義RB如下：(1)顯然RB是一個等價關(guān)系，經(jīng)RB可分類屬性空間為若干等價類，每個等價類都是一個概念類，建立客戶細(xì)分，就是客戶屬性空間和概念空間映射關(guān)系的建立過程。

　　2.2客戶細(xì)分?jǐn)?shù)據(jù)挖掘?qū)嵤?/p>

　　通過數(shù)據(jù)庫已知概念類客戶數(shù)據(jù)進(jìn)行樣本學(xué)習(xí)和數(shù)據(jù)挖掘，進(jìn)行客戶屬性空間與概念空間映射的自動歸納。首先確定一組概念類已知客戶集合。首先確定一個映射：p：C→L，使，如果，則。，求p(c)確定所屬概念類。數(shù)據(jù)部分有客戶數(shù)據(jù)存儲和概念維數(shù)據(jù)構(gòu)成，客戶數(shù)據(jù)存儲有企業(yè)全部內(nèi)在屬性、外在屬性以及行為屬性等數(shù)據(jù)，方法則主要有關(guān)聯(lián)規(guī)則分析、深井網(wǎng)絡(luò)分類、決策樹、實(shí)例學(xué)習(xí)等數(shù)據(jù)挖掘方法，通過對客戶數(shù)據(jù)存儲數(shù)據(jù)學(xué)習(xí)算法來建立客戶數(shù)據(jù)和概念維之間的映射關(guān)系。

　　2.3客戶細(xì)分?jǐn)?shù)據(jù)分析

　　建立客戶動態(tài)行為描述模型，滿足客戶行為非確定性和非一致性要求，客戶中心的管理體制下，客戶細(xì)分影響企業(yè)戰(zhàn)術(shù)和戰(zhàn)略級別決策的生成，所以數(shù)據(jù)挖掘要能夠彌補(bǔ)傳統(tǒng)數(shù)據(jù)分析方法在可靠性方面的缺陷。

　　2.3.1客戶外在屬性

　　外在屬性有客戶地理分布、客戶組織歸屬情況和客戶產(chǎn)品擁有情況等�？蛻舻慕M織歸屬是客戶社會組織類型，客戶產(chǎn)品擁有情況是客戶是否擁有或者擁有哪些與其他企業(yè)或者其他企業(yè)相關(guān)產(chǎn)品。

　　2.3.2內(nèi)在屬性

　　內(nèi)在屬性有人口因素和心理因素等，人口因素是消費(fèi)者市場細(xì)分的重要變量。相比其他變量，人口因素更加容易測量。心理因素則主要有客戶愛好、性格、信用情況以及價值取向等因素。

　　2.3.3消費(fèi)行為

　　消費(fèi)行為屬性則重點(diǎn)關(guān)注客戶購買前對產(chǎn)品的了解情況，是客戶細(xì)分中最客觀和重要的因素。

　　2.4數(shù)據(jù)挖掘算法

　　2.4.1聚類算法

　　按照客戶價值標(biāo)記聚類結(jié)果，通過分類功能，建立客戶特征模型，準(zhǔn)確描述高價值客戶的一些特有特征，使得企業(yè)在之后的市場活動中能夠迅速發(fā)現(xiàn)并抓住類似的高價值客戶，全面提高客戶的整體價值水平。通常都采用中心算法進(jìn)行客戶的聚類分析，分析涉及的字段主要有客戶的基本信息以及與客戶相關(guān)業(yè)務(wù)信息，企業(yè)采用中心算法，按照企業(yè)自身的行業(yè)性質(zhì)以及商務(wù)環(huán)境，選擇不同的聚類分析策略，有主屬性聚類分析和全屬性聚類分析兩類。主屬性聚類分析是企業(yè)根據(jù)在企業(yè)標(biāo)度變量中選擇主要弧形作為聚類分析變量。通常區(qū)間標(biāo)度變量選用的度量單位會對聚類分析結(jié)果產(chǎn)生很大影響，選擇的度量單位越小，就會獲得越大的可能值域，對聚類結(jié)果的影響也就越大。

　　2.4.2客戶分析預(yù)測

　　行業(yè)競爭愈加激烈，新客戶的'獲得成本越來越高，在保持原有工作價值的同時，客戶的流失也受到了企業(yè)的重視。為了控制客戶流失，就需要對流失客戶的數(shù)據(jù)進(jìn)行認(rèn)真分析，找尋流失客戶的根本原因，防止客戶的持續(xù)流失。數(shù)據(jù)挖掘聚類功能同樣能夠利用在客戶流失數(shù)據(jù)分析工作中，建立基于流失客戶數(shù)據(jù)樣本庫的分類函數(shù)以及分類模式，通過模型分析客戶流失因素，能夠獲得一個最有可能流失的客戶群體，同時編制一個有針對性的挽留方案。之后對數(shù)據(jù)進(jìn)行分析并利用各種數(shù)據(jù)挖掘技術(shù)和方法在多個可供選擇的模型中找出最佳模型。初始階段，模型的擬合程度可能不理想，但是隨著模型的不斷更換和優(yōu)化，最終就有可能找出合適的模型進(jìn)行數(shù)據(jù)描述并挖掘出流失數(shù)據(jù)規(guī)律。通常模擬模型都通過數(shù)據(jù)分析專業(yè)和業(yè)務(wù)專家協(xié)作完成，采用決策樹、貝葉斯網(wǎng)絡(luò)、神經(jīng)網(wǎng)絡(luò)等流失分析模型，實(shí)現(xiàn)客戶行為的預(yù)測分析。

　　3結(jié)語

　　從工業(yè)營銷中的客戶細(xì)分觀點(diǎn)出發(fā)，在數(shù)據(jù)挖掘、客戶關(guān)系管理等理論基礎(chǔ)上，采用統(tǒng)計(jì)學(xué)、運(yùn)籌學(xué)和數(shù)據(jù)挖掘技術(shù)，對客戶細(xì)分的數(shù)據(jù)挖掘方法進(jìn)行了研究，建立了基于決策樹的客戶細(xì)分模型，是一種效率很高的管理工具。

　　作者:區(qū)嘉良 呂淑儀 單位:中國石化廣東石油分公司

【數(shù)據(jù)挖掘論文】相關(guān)文章：

數(shù)據(jù)挖掘論文07-16

數(shù)據(jù)挖掘論文07-15

旅游管理下數(shù)據(jù)挖掘運(yùn)用論文11-18

數(shù)據(jù)挖掘論文錦集(15篇)07-28

旅游管理下數(shù)據(jù)挖掘運(yùn)用論文6篇11-18

計(jì)算機(jī)數(shù)據(jù)庫論文07-28

關(guān)于大數(shù)據(jù)時代下的隱私保護(hù)探究論文04-14

基于大數(shù)據(jù)的江蘇省農(nóng)村電商建設(shè)不足與完善論文03-09

數(shù)據(jù)分析報告02-02