導(dǎo)言：作為寫作愛好者，不可錯(cuò)過(guò)為您精心挑選的10篇挖掘技術(shù)論文，它們將為您的寫作提供全新的視角，我們衷心期待您的閱讀，并希望這些內(nèi)容能為您提供靈感和參考。

篇1

隨著信息技術(shù)迅速發(fā)展，數(shù)據(jù)庫(kù)的規(guī)模不斷擴(kuò)大，產(chǎn)生了大量的數(shù)據(jù)。但大量的數(shù)據(jù)往往無(wú)法辨別隱藏在其中的能對(duì)決策提供支持的信息，而傳統(tǒng)的查詢、報(bào)表工具無(wú)法滿足挖掘這些信息的需求。因此，需要一種新的數(shù)據(jù)分析技術(shù)處理大量數(shù)據(jù)，并從中抽取有價(jià)值的潛在知識(shí)，數(shù)據(jù)挖掘（DataMining）技術(shù)由此應(yīng)運(yùn)而生。

一、數(shù)據(jù)挖掘的定義

數(shù)據(jù)挖掘是指從數(shù)據(jù)集合中自動(dòng)抽取隱藏在數(shù)據(jù)中的那些有用信息的非平凡過(guò)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(cè)未來(lái)可能發(fā)生的行為。數(shù)據(jù)挖掘的過(guò)程也叫知識(shí)發(fā)現(xiàn)的過(guò)程。

二、數(shù)據(jù)挖掘的方法

1.統(tǒng)計(jì)方法。傳統(tǒng)的統(tǒng)計(jì)學(xué)為數(shù)據(jù)挖掘提供了許多判別和回歸分析方法，常用的有貝葉斯推理、回歸分析、方差分析等技術(shù)。貝葉斯推理是在知道新的信息后修正數(shù)據(jù)集概率分布的基本工具，處理數(shù)據(jù)挖掘中的分類問(wèn)題，回歸分析用來(lái)找到一個(gè)輸入變量和輸出變量關(guān)系的最佳模型，在回歸分析中有用來(lái)描述一個(gè)變量的變化趨勢(shì)和別的變量值的關(guān)系的線性回歸，還有用來(lái)為某些事件發(fā)生的概率建模為預(yù)測(cè)變量集的對(duì)數(shù)回歸、統(tǒng)計(jì)方法中的方差分析一般用于分析估計(jì)回歸直線的性能和自變量對(duì)最終回歸的影響，是許多挖掘應(yīng)用中有力的工具之一。

2.關(guān)聯(lián)規(guī)則。關(guān)聯(lián)規(guī)則是一種簡(jiǎn)單，實(shí)用的分析規(guī)則，它描述了一個(gè)事物中某些屬性同時(shí)出現(xiàn)的規(guī)律和模式，是數(shù)據(jù)挖掘中最成熟的主要技術(shù)之一。關(guān)聯(lián)規(guī)則在數(shù)據(jù)挖掘領(lǐng)域應(yīng)用很廣泛適合于在大型數(shù)據(jù)集中發(fā)現(xiàn)數(shù)據(jù)之間的有意義關(guān)系，原因之一是它不受只選擇一個(gè)因變量的限制。大多數(shù)關(guān)聯(lián)規(guī)則挖掘算法能夠無(wú)遺漏發(fā)現(xiàn)隱藏在所挖掘數(shù)據(jù)中的所有關(guān)聯(lián)關(guān)系，但是，并不是所有通過(guò)關(guān)聯(lián)得到的屬性之間的關(guān)系都有實(shí)際應(yīng)用價(jià)值，要對(duì)這些規(guī)則要進(jìn)行有效的評(píng)價(jià)，篩選有意義的關(guān)聯(lián)規(guī)則。

3.聚類分析。聚類分析是根據(jù)所選樣本間關(guān)聯(lián)的標(biāo)準(zhǔn)將其劃分成幾個(gè)組，同組內(nèi)的樣本具有較高的相似度，不同組的則相異，常用的技術(shù)有分裂算法，凝聚算法，劃分聚類和增量聚類。聚類方法適合于探討樣本間的內(nèi)部關(guān)系，從而對(duì)樣本結(jié)構(gòu)做出合理的評(píng)價(jià)，此外，聚類分析還用于對(duì)孤立點(diǎn)的檢測(cè)。并非由聚類分析算法得到的類對(duì)決策都有效，在運(yùn)用某一個(gè)算法之前，一般要先對(duì)數(shù)據(jù)的聚類趨勢(shì)進(jìn)行檢驗(yàn)。

4.決策樹方法。決策樹學(xué)習(xí)是一種通過(guò)逼近離散值目標(biāo)函數(shù)的方法，通過(guò)把實(shí)例從根結(jié)點(diǎn)排列到某個(gè)葉子結(jié)點(diǎn)來(lái)分類實(shí)例，葉子結(jié)點(diǎn)即為實(shí)例所屬的分類。樹上的每個(gè)結(jié)點(diǎn)說(shuō)明了對(duì)實(shí)例的某個(gè)屬性的測(cè)試，該結(jié)點(diǎn)的每一個(gè)后繼分支對(duì)應(yīng)于該屬性的一個(gè)可能值，分類實(shí)例的方法是從這棵樹的根結(jié)點(diǎn)開始，測(cè)試這個(gè)結(jié)點(diǎn)指定的屬性，然后按照給定實(shí)例的該屬性值對(duì)應(yīng)的樹枝向下移動(dòng)。決策樹方法是要應(yīng)用于數(shù)據(jù)挖掘的分類方面。

5.神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)建立在自學(xué)習(xí)的數(shù)學(xué)模型基礎(chǔ)之上，能夠?qū)Υ罅繌?fù)雜的數(shù)據(jù)進(jìn)行分析，并可以完成對(duì)人腦或其他計(jì)算機(jī)來(lái)說(shuō)極為復(fù)雜的模式抽取及趨勢(shì)分析，神經(jīng)網(wǎng)絡(luò)既可以表現(xiàn)為有指導(dǎo)的學(xué)習(xí)也可以是無(wú)指導(dǎo)聚類，無(wú)論哪種，輸入到神經(jīng)網(wǎng)絡(luò)中的值都是數(shù)值型的。人工神經(jīng)元網(wǎng)絡(luò)模擬人腦神經(jīng)元結(jié)構(gòu)，建立三大類多種神經(jīng)元網(wǎng)絡(luò)，具有非線形映射特性、信息的分布存儲(chǔ)、并行處理和全局集體的作用、高度的自學(xué)習(xí)、自組織和自適應(yīng)能力的種種優(yōu)點(diǎn)。

6.遺傳算法。遺傳算法是一種受生物進(jìn)化啟發(fā)的學(xué)習(xí)方法，通過(guò)變異和重組當(dāng)前己知的最好假設(shè)來(lái)生成后續(xù)的假設(shè)。每一步，通過(guò)使用目前適應(yīng)性最高的假設(shè)的后代替代群體的某個(gè)部分，來(lái)更新當(dāng)前群體的一組假設(shè)，來(lái)實(shí)現(xiàn)各個(gè)個(gè)體的適應(yīng)性的提高。遺傳算法由三個(gè)基本過(guò)程組成:繁殖(選擇)是從一個(gè)舊種群(父代)選出生命力強(qiáng)的個(gè)體，產(chǎn)生新種群(后代)的過(guò)程；交叉〔重組)選擇兩個(gè)不同個(gè)體〔染色體)的部分(基因)進(jìn)行交換，形成新個(gè)體的過(guò)程；變異(突變)是對(duì)某些個(gè)體的某些基因進(jìn)行變異的過(guò)程。在數(shù)據(jù)挖掘中，可以被用作評(píng)估其他算法的適合度。

7.粗糙集。粗糙集能夠在缺少關(guān)于數(shù)據(jù)先驗(yàn)知識(shí)的情況下，只以考察數(shù)據(jù)的分類能力為基礎(chǔ)，解決模糊或不確定數(shù)據(jù)的分析和處理問(wèn)題。粗糙集用于從數(shù)據(jù)庫(kù)中發(fā)現(xiàn)分類規(guī)則的基本思想是將數(shù)據(jù)庫(kù)中的屬性分為條件屬性和結(jié)論屬性，對(duì)數(shù)據(jù)庫(kù)中的元組根據(jù)各個(gè)屬性不同的屬性值分成相應(yīng)的子集，然后對(duì)條件屬性劃分的子集與結(jié)論屬性劃分的子集之間上下近似關(guān)系生成判定規(guī)則。所有相似對(duì)象的集合稱為初等集合，形成知識(shí)的基本成分。任何初等集合的并集稱為精確集，否則，一個(gè)集合就是粗糙的(不精確的)。每個(gè)粗糙集都具有邊界元素，也就是那些既不能確定為集合元素，也不能確定為集合補(bǔ)集元素的元素。粗糙集理論可以應(yīng)用于數(shù)據(jù)挖掘中的分類、發(fā)現(xiàn)不準(zhǔn)確數(shù)據(jù)或噪聲數(shù)據(jù)內(nèi)在的結(jié)構(gòu)聯(lián)系。

8.支持向量機(jī)。支持向量機(jī)(SVM)是在統(tǒng)計(jì)學(xué)習(xí)理論的基礎(chǔ)上發(fā)展出來(lái)的一種新的機(jī)器學(xué)習(xí)方法。它基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則上的，盡量提高學(xué)習(xí)機(jī)的泛化能力，具有良好的推廣性能和較好的分類精確性，能有效的解決過(guò)學(xué)習(xí)問(wèn)題，現(xiàn)已成為訓(xùn)練多層感知器、RBF神經(jīng)網(wǎng)絡(luò)和多項(xiàng)式神經(jīng)元網(wǎng)絡(luò)的替代性方法。另外，支持向量機(jī)算法是一個(gè)凸優(yōu)化問(wèn)題，局部最優(yōu)解一定是全局最優(yōu)解，這些特點(diǎn)都是包括神經(jīng)元網(wǎng)絡(luò)在內(nèi)的其他算法所不能及的。支持向量機(jī)可以應(yīng)用于數(shù)據(jù)挖掘的分類、回歸、對(duì)未知事物的探索等方面。

事實(shí)上，任何一種挖掘工具往往是根據(jù)具體問(wèn)題來(lái)選擇合適挖掘方法，很難說(shuō)哪種方法好，那種方法劣，而是視具體問(wèn)題而定。

三、結(jié)束語(yǔ)

篇2

2、數(shù)據(jù)挖掘技術(shù)主要步驟

數(shù)據(jù)挖掘技術(shù)首先要建立數(shù)據(jù)倉(cāng)庫(kù)，要根據(jù)實(shí)際情況而定，在易出現(xiàn)問(wèn)題的有關(guān)領(lǐng)域建立有效的數(shù)據(jù)庫(kù)。主要是用來(lái)把數(shù)據(jù)庫(kù)中的所有的存儲(chǔ)數(shù)據(jù)進(jìn)行分析，而目前的一些數(shù)據(jù)庫(kù)雖然可以進(jìn)行大量的存儲(chǔ)數(shù)據(jù)，同時(shí)也進(jìn)行了一系列的技術(shù)發(fā)展。比如，系統(tǒng)中的在線分析處理，主要是為用戶查詢，但是卻沒有查詢結(jié)果的分析能力，而查詢的結(jié)果仍舊由人工進(jìn)行操作，依賴于對(duì)手工方式進(jìn)行數(shù)據(jù)測(cè)試并建模。其次，在數(shù)據(jù)庫(kù)中存儲(chǔ)的數(shù)據(jù)選一數(shù)據(jù)集，作為對(duì)數(shù)據(jù)挖掘算法原始輸入。此數(shù)據(jù)集所涉及到數(shù)據(jù)的時(shí)變性以及統(tǒng)一性等情況。然后，再進(jìn)行數(shù)據(jù)的預(yù)處理，在處理中主要對(duì)一些缺損數(shù)據(jù)進(jìn)行補(bǔ)齊，并消除噪聲，此外還應(yīng)對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化的處理。隨后，再對(duì)數(shù)據(jù)進(jìn)行降維和變換。如果數(shù)據(jù)的維數(shù)比較高，還應(yīng)找出維分量高的數(shù)據(jù)，對(duì)高維數(shù)數(shù)據(jù)空間能夠容易轉(zhuǎn)化為檢點(diǎn)的低維數(shù)數(shù)據(jù)空間進(jìn)行處理。下一步驟就是確定任務(wù)，要根據(jù)現(xiàn)實(shí)的需要，對(duì)數(shù)據(jù)挖掘目標(biāo)進(jìn)行確定，并建立預(yù)測(cè)性的模型、數(shù)據(jù)的摘要等。隨后再?zèng)Q定數(shù)據(jù)挖掘的算法，這一步驟中，主要是對(duì)當(dāng)前的數(shù)據(jù)類型選擇有效的處理方法，此過(guò)程非常重要，在所有數(shù)據(jù)挖掘技術(shù)中起到較大作用。隨后再對(duì)數(shù)據(jù)挖掘進(jìn)行具體的處理和結(jié)果檢驗(yàn)，在處理過(guò)程中，要按照不同的目的，選擇不同的算法，是運(yùn)用決策樹還是分類等的算法，是運(yùn)用聚類算法還是使用回歸算法，都要認(rèn)真處理，得出科學(xué)的結(jié)論。在數(shù)據(jù)挖掘結(jié)果檢驗(yàn)時(shí)，要注意幾個(gè)問(wèn)題，要充分利用結(jié)論對(duì)照其他的信息進(jìn)行校核，可對(duì)圖表等一些直觀的信息和手段進(jìn)行輔助分析，使結(jié)論能夠更加科學(xué)合理。需要注意的是要根據(jù)用戶來(lái)決定結(jié)論有用的程度。最后一項(xiàng)步驟是把所得出的結(jié)論進(jìn)行應(yīng)用到實(shí)際，要對(duì)數(shù)據(jù)挖掘的結(jié)果進(jìn)行仔細(xì)的校驗(yàn)，重點(diǎn)是解決好以前的觀點(diǎn)和看法有無(wú)差錯(cuò)，使目前的結(jié)論和原先看法的矛盾有效解除。

3、數(shù)據(jù)挖掘技術(shù)的方法以及在電力營(yíng)銷系統(tǒng)中的應(yīng)用和發(fā)展

數(shù)控挖掘技術(shù)得到了非常廣泛的應(yīng)用，按照技術(shù)本身的發(fā)展出現(xiàn)了較多方法。例如，建立預(yù)測(cè)性建模方法，也就是對(duì)歷史數(shù)據(jù)進(jìn)行分析并歸納總結(jié)，從而建立成預(yù)測(cè)性模型。根據(jù)此模型以及當(dāng)前的其他數(shù)據(jù)進(jìn)行推斷相關(guān)聯(lián)的數(shù)據(jù)。如果推斷的對(duì)象屬于連續(xù)型的變量，那么此類的推斷問(wèn)題可屬回歸問(wèn)題。根據(jù)歷史數(shù)據(jù)來(lái)進(jìn)行分析和檢測(cè)，再做出科學(xué)的架設(shè)和推定。在常用的回歸算法以及非線性變換進(jìn)行有效的結(jié)合，能夠使許多問(wèn)題得到解決。電力營(yíng)銷系統(tǒng)中的數(shù)據(jù)挖掘技術(shù)應(yīng)用中關(guān)聯(lián)規(guī)則是最為關(guān)鍵的技術(shù)應(yīng)用之一。這種應(yīng)用可以有效地幫助決策人員進(jìn)行當(dāng)前有關(guān)數(shù)據(jù)以及歷史數(shù)據(jù)的規(guī)律分析，最后預(yù)測(cè)出未來(lái)情況。把關(guān)聯(lián)規(guī)則成功引入電力營(yíng)銷分析，通過(guò)FP-Growth算法對(duì)電力營(yíng)銷的有關(guān)數(shù)據(jù)進(jìn)行關(guān)聯(lián)規(guī)則分析，從中得出各種電量銷售的影響因素以及外部因素、手電水平等的關(guān)聯(lián)信息，以便更好地為電力的市場(chǎng)營(yíng)銷策略提供參謀和決策。對(duì)電力營(yíng)銷系統(tǒng)的應(yīng)用中，時(shí)間序列挖掘以及序列挖掘非常經(jīng)典、系統(tǒng)，是應(yīng)用最為廣泛的一種預(yù)測(cè)方法。這種方法的應(yīng)用中，對(duì)神經(jīng)網(wǎng)絡(luò)的研究非常之多。因此，在現(xiàn)實(shí)中應(yīng)用主要把時(shí)間序列挖掘以及神經(jīng)網(wǎng)絡(luò)兩者進(jìn)行有效地結(jié)合，然后再分析有關(guān)電力營(yíng)銷數(shù)據(jù)。此外，有關(guān)專家還提出應(yīng)用一種時(shí)間窗的序列挖掘算法，這種方式可以進(jìn)行有效地報(bào)警處理，使電力系統(tǒng)中的故障能夠準(zhǔn)確的定位并診斷事故。此算法對(duì)電力系統(tǒng)的分析和挖掘能力的提高非常有效，還可判定電力系統(tǒng)的運(yùn)行是否穩(wěn)定，對(duì)錯(cuò)誤模型的分析精度達(dá)到一定的精確度。

篇3

隨著科技的進(jìn)步，現(xiàn)代挖掘機(jī)一般都采用了機(jī)電液一體化控制模式，我們?cè)谂懦恍┕收蠒r(shí)，解決的多是發(fā)動(dòng)機(jī)、液壓泵、分配閥、外部負(fù)荷的匹配問(wèn)題。一般在挖掘機(jī)作業(yè)中，這幾方面不能匹配，經(jīng)常會(huì)表現(xiàn)為：發(fā)動(dòng)機(jī)轉(zhuǎn)速下降，工作速度變慢，挖掘無(wú)力以及一些常見問(wèn)題。

1發(fā)動(dòng)機(jī)轉(zhuǎn)速下降

首先要測(cè)試發(fā)動(dòng)機(jī)本身輸出功率，如果發(fā)動(dòng)機(jī)輸出功率低于額定功率，則產(chǎn)生故障的原因可能是燃油品質(zhì)差、燃油壓力低、氣門間隙不對(duì)、發(fā)動(dòng)機(jī)的某缸不工作、噴油定時(shí)有錯(cuò)、燃油量的調(diào)定值不對(duì)、進(jìn)氣系統(tǒng)漏氣、制動(dòng)器及其操縱桿有毛病和渦輪增壓器積炭。如果發(fā)動(dòng)機(jī)輸出動(dòng)力正常，就需要查看是否因?yàn)橐簤罕玫牧髁亢桶l(fā)動(dòng)機(jī)的輸出功率不匹配。

液壓挖掘機(jī)在作業(yè)中速度與負(fù)載是成反比的，就是流量和泵的輸出壓力乘積是一個(gè)不變量，泵的輸出功率恒定或近似恒定。如果泵控制系統(tǒng)出現(xiàn)了故障，就不能實(shí)現(xiàn)發(fā)動(dòng)機(jī)、泵及閥在不同工況區(qū)域負(fù)荷優(yōu)化匹配狀態(tài)，挖掘機(jī)從而將不能正常工作。此類故障要先從電器系統(tǒng)入手，再檢查液壓系統(tǒng)，最后檢查機(jī)械傳動(dòng)系統(tǒng)。

2工作速度變慢

挖掘機(jī)工作速度變慢主要原因是整機(jī)各部磨損造成發(fā)動(dòng)機(jī)功率下降與液壓系統(tǒng)內(nèi)泄。挖掘機(jī)的液壓泵為柱塞變量泵，工作一定時(shí)間后，泵內(nèi)部液壓元件（缸體、柱塞、配流盤、九孔板、龜背等）不可避免的產(chǎn)生過(guò)度磨損，會(huì)造成內(nèi)漏，各參數(shù)據(jù)不協(xié)調(diào)，從而導(dǎo)致流量不足油溫過(guò)高，工作速度緩慢。這時(shí)就需要整機(jī)大修，對(duì)磨損超限的零部件進(jìn)行修復(fù)更換。

但若不是工作時(shí)間很長(zhǎng)的挖掘機(jī)突然變慢，就需要檢查以下幾方面。先查電路保險(xiǎn)絲是否斷路或短路，再查先導(dǎo)壓力是否正常，再看看伺服控制閥-伺服活塞是否卡死以及分配器合流是否故障等，最后將液壓泵拆卸進(jìn)行數(shù)據(jù)測(cè)量，確認(rèn)挖機(jī)問(wèn)題所在。

3挖掘機(jī)無(wú)力

挖掘無(wú)力是挖掘機(jī)典型故障之一。對(duì)于挖掘無(wú)力可分為兩種情況：一種為挖掘無(wú)力，發(fā)動(dòng)機(jī)不憋車，感覺負(fù)荷很輕；第二種為挖掘無(wú)力，當(dāng)動(dòng)臂或斗桿伸到底時(shí)，發(fā)動(dòng)機(jī)嚴(yán)重憋車，甚至熄火。

①挖掘無(wú)力但發(fā)動(dòng)機(jī)不憋車。挖掘力的大小由主泵輸出壓力決定，發(fā)動(dòng)機(jī)是否憋車取決于油泵吸收轉(zhuǎn)矩與發(fā)動(dòng)機(jī)輸出轉(zhuǎn)矩間的關(guān)系。發(fā)動(dòng)機(jī)不憋車說(shuō)明油泵吸收轉(zhuǎn)矩較小，發(fā)動(dòng)機(jī)負(fù)荷輕。如果挖掘機(jī)的工作速度沒有明顯異常，則應(yīng)重點(diǎn)檢查主泵的最大輸出壓力即系統(tǒng)溢流壓力。如果溢流壓力測(cè)量值低于規(guī)定值，表明該機(jī)構(gòu)液壓回路的過(guò)載溢流閥設(shè)定值不正確，導(dǎo)致該機(jī)構(gòu)過(guò)早溢流，工作無(wú)力。則可以通過(guò)轉(zhuǎn)動(dòng)調(diào)整螺絲來(lái)調(diào)整機(jī)器。②挖掘無(wú)力，發(fā)動(dòng)機(jī)憋車。發(fā)動(dòng)機(jī)憋車表明油泵的吸收轉(zhuǎn)矩大于發(fā)動(dòng)機(jī)輸出轉(zhuǎn)矩，致使發(fā)動(dòng)機(jī)超載。這種故障應(yīng)首先檢查發(fā)動(dòng)機(jī)速度傳感系統(tǒng)是否正常，檢查方法與前文所述發(fā)動(dòng)機(jī)檢查方法類似。經(jīng)過(guò)以上細(xì)致的檢查與排除故障，發(fā)動(dòng)機(jī)速度傳感系統(tǒng)恢復(fù)正常功能，發(fā)動(dòng)機(jī)憋車現(xiàn)象消失，挖掘力就會(huì)恢復(fù)正常。

4挖掘作業(yè)過(guò)程中的常見故障

挖掘機(jī)在施工作業(yè)中經(jīng)常出現(xiàn)的一些普遍的故障，如：挖機(jī)行走跑偏，原因可能為行走分配油封（又稱中心回轉(zhuǎn)接頭油封）損壞；兩個(gè)液壓泵流量大小不一；一邊行走馬達(dá)有問(wèn)題。液壓缸快速下泄則可能為安全溢流閥封閉不嚴(yán)，或缸油封嚴(yán)重?fù)p壞等等。多智網(wǎng)校誠(chéng)招全國(guó)各地市獨(dú)家線下商，共同開發(fā)網(wǎng)上教育市場(chǎng)。多智教育()！

5挖掘機(jī)的日常保養(yǎng)

篇4

當(dāng)今，國(guó)內(nèi)外電子商務(wù)類網(wǎng)站日益興起。許多電子商務(wù)類網(wǎng)站都提供了一定程度的個(gè)性化服務(wù)，比如提供商品推薦服務(wù)。而構(gòu)成這些個(gè)性化服務(wù)的基礎(chǔ)就是數(shù)據(jù)挖掘技術(shù)。

一、數(shù)據(jù)挖掘分析

1.數(shù)據(jù)挖掘的定義。數(shù)據(jù)挖掘(datamining，DM)是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中提取隱含在其中的、人們事先不知道的但又是潛在有用的信息和知識(shí)的過(guò)程。包括存儲(chǔ)和處理數(shù)據(jù),選擇處理大數(shù)據(jù)集的算法、解釋結(jié)果、使結(jié)果可視化。

2.數(shù)據(jù)挖掘的方法。從商業(yè)的角度來(lái)看,數(shù)據(jù)挖掘是一種新的商業(yè)信息處理技術(shù),其主要特點(diǎn)是對(duì)商業(yè)數(shù)據(jù)庫(kù)中的大量業(yè)務(wù)數(shù)據(jù)進(jìn)行抽取、轉(zhuǎn)換、分析和其他模型化處理,從中提取輔助商業(yè)決策的關(guān)鍵性數(shù)據(jù)。數(shù)據(jù)挖掘的方法大致可以分成4類：關(guān)聯(lián)分析、概括分析、分類分析、聚類分析。（1）關(guān)聯(lián)分析：分析表面上不相關(guān)數(shù)據(jù)之間的內(nèi)在聯(lián)系，揭示各事之間的依賴性和相關(guān)性，分析范圍包括簡(jiǎn)單關(guān)聯(lián)、因果關(guān)聯(lián)等。在電子商務(wù)中，用數(shù)據(jù)挖掘找到隱藏的關(guān)聯(lián)規(guī)則，當(dāng)客戶瀏覽、搜索關(guān)聯(lián)規(guī)則中的某種商品時(shí)，就可以在頁(yè)面中以推薦商品的形式顯示關(guān)聯(lián)規(guī)則中的其它商品。在進(jìn)貨計(jì)劃和促銷計(jì)劃中，也可以將這個(gè)因素考慮進(jìn)去。（2）概括分析：即提取數(shù)據(jù)庫(kù)中指定的數(shù)據(jù)集合的一般特性，找出遍性規(guī)律。（3）分類分析：設(shè)置分類規(guī)則，把各個(gè)事務(wù)或?qū)嶓w按照性質(zhì)和特征不同進(jìn)行歸類，把數(shù)據(jù)層次化和規(guī)整化，從而建立數(shù)據(jù)的分類模型。（4）聚類分析：通過(guò)分析和歸納實(shí)體之間的特征差異，選出具相識(shí)特征的實(shí)體聚合成為一個(gè)類，并用某種規(guī)則來(lái)描述該類的相同屬性，形成一種聚類規(guī)則，實(shí)際上，它是與分類分析法互逆的過(guò)程。

3.數(shù)據(jù)挖掘的過(guò)程。該過(guò)程從大型數(shù)據(jù)庫(kù)中挖掘先前未知的、有效的、可實(shí)用的信息，并使用這些信息做出決策或豐富知識(shí)。（1）確定業(yè)務(wù)對(duì)象：清晰地定義出業(yè)務(wù)問(wèn)題，認(rèn)清數(shù)據(jù)挖掘的目的是數(shù)據(jù)挖掘的重要一步。挖掘的最后結(jié)構(gòu)是不可預(yù)測(cè)的，但要探索的問(wèn)題應(yīng)是有預(yù)見的，為了數(shù)據(jù)挖掘而數(shù)據(jù)挖掘則帶有盲目性，是不會(huì)成功的。（2）數(shù)據(jù)準(zhǔn)備。數(shù)據(jù)的選擇：搜索所有與業(yè)務(wù)對(duì)象有關(guān)的內(nèi)部和外部數(shù)據(jù)信息，并從中選擇出適用于數(shù)據(jù)挖掘應(yīng)用的數(shù)據(jù)。（3）數(shù)據(jù)挖掘：對(duì)所得到的經(jīng)過(guò)轉(zhuǎn)換的數(shù)據(jù)進(jìn)行挖掘。除了完善從選擇合適的挖掘算法外，其余一切工作都能自動(dòng)地完成。（4）結(jié)果分析：解釋并評(píng)估結(jié)果。其使用的分析方法一般應(yīng)作數(shù)據(jù)挖掘操作而定，通常會(huì)用到可視化技術(shù)。（5）知識(shí)的同化：將分析所得到的知識(shí)集成到業(yè)務(wù)信息系統(tǒng)的組織結(jié)構(gòu)中去。

二、數(shù)據(jù)挖掘與電子商務(wù)的關(guān)系

在電子商務(wù)企業(yè)中，數(shù)據(jù)挖掘運(yùn)用于客戶行為分析，企業(yè)從中受益體現(xiàn)在以下四個(gè)方面:(1)可以發(fā)現(xiàn)客戶和訪問(wèn)者的愛好、生活模式。(2)可以爭(zhēng)取新顧客，怎樣使產(chǎn)品適銷對(duì)路、怎樣給產(chǎn)品定價(jià)、怎樣吸引單個(gè)客戶、怎樣優(yōu)化Web網(wǎng)站。(3)可以用相應(yīng)的信息確定顧客的消費(fèi)周期，針對(duì)不同的產(chǎn)品制定相應(yīng)的營(yíng)銷策略。(4)可以確定客戶細(xì)分，為每一個(gè)客戶的獨(dú)特需求設(shè)計(jì)“量身定制”的產(chǎn)品。三、數(shù)據(jù)挖掘技術(shù)在電子商務(wù)中的應(yīng)用

1.面向電子商務(wù)的數(shù)據(jù)挖掘系統(tǒng)設(shè)計(jì)。本系統(tǒng)電子商務(wù)平臺(tái)采用基于三層體系結(jié)構(gòu)構(gòu)建，服務(wù)器端采用先進(jìn)的J2EE平臺(tái)構(gòu)架，有完整的體系框架組成，具有很好的可擴(kuò)展性、互聯(lián)性和可維護(hù)性。因此面向電子商務(wù)的數(shù)據(jù)挖掘系統(tǒng)由數(shù)據(jù)庫(kù)服務(wù)器、應(yīng)用服務(wù)器和客戶端三層組成，整個(gè)體系結(jié)構(gòu)是以J2EE企業(yè)級(jí)的構(gòu)建技術(shù)為基礎(chǔ)。對(duì)數(shù)據(jù)挖掘過(guò)程中產(chǎn)生的數(shù)據(jù)，采用獨(dú)立的數(shù)據(jù)挖掘庫(kù)表存放，這樣既不影響也不依賴數(shù)據(jù)挖掘的數(shù)據(jù)源。應(yīng)用服務(wù)器完成所有的數(shù)據(jù)挖掘運(yùn)算，通過(guò)接受客戶端的設(shè)置，完成所有對(duì)數(shù)據(jù)進(jìn)行探索、轉(zhuǎn)換、挖掘的工作。數(shù)據(jù)挖掘系統(tǒng)的每個(gè)功能模塊都以EJB的形式進(jìn)行封裝，以實(shí)現(xiàn)分布式計(jì)算和負(fù)載平衡等分布式計(jì)算的要求，把具有繁重計(jì)算任務(wù)的模塊和用戶交互模塊分開?？蛻舳艘?fù)責(zé)數(shù)據(jù)挖掘流程的創(chuàng)建工作、所有功能模塊參數(shù)的設(shè)定以及各種可視化結(jié)果的顯示。用戶可以根據(jù)自己的要求任意創(chuàng)建各種形式的挖掘流程，同時(shí)按照需要執(zhí)行某部分流程，獲取相應(yīng)的可視化分析結(jié)果，其系統(tǒng)體系結(jié)構(gòu)如圖所示。

面向電子商務(wù)的數(shù)據(jù)挖掘系統(tǒng)體系結(jié)構(gòu)圖

2.面向電子商務(wù)的數(shù)據(jù)挖掘系統(tǒng)功能設(shè)計(jì)。面向電子商務(wù)的數(shù)據(jù)挖掘系統(tǒng)主要以下幾大功能模塊：（1）用戶信息分析。運(yùn)用分類和聚類挖掘方法對(duì)用戶的信息分析，可以得到用戶的些特征。對(duì)用戶分類相當(dāng)于對(duì)具有某些公共屬性的用戶群體建立了概要特征描述，這些特征可以用來(lái)對(duì)新增的用戶進(jìn)行分類，可以發(fā)現(xiàn)未來(lái)的潛在用戶并開展有針對(duì)性的商務(wù)活動(dòng)，如自動(dòng)給一類特定的用戶發(fā)送銷售郵件，當(dāng)屬于同一類的用戶再次訪問(wèn)站點(diǎn)時(shí)為其動(dòng)態(tài)地改變站點(diǎn)的內(nèi)容等。通過(guò)這些舉措使商務(wù)活動(dòng)能夠在一定程度上滿足用戶的要求，實(shí)現(xiàn)目標(biāo)營(yíng)銷。（2）商品信息分析。運(yùn)用關(guān)聯(lián)規(guī)則挖掘發(fā)現(xiàn)商品訪問(wèn)中所有關(guān)聯(lián)和相聯(lián)系的規(guī)則，可以從交易事務(wù)數(shù)據(jù)庫(kù)中發(fā)現(xiàn)商品間的相互聯(lián)系。這對(duì)電子商務(wù)公司組織站點(diǎn)網(wǎng)頁(yè)結(jié)構(gòu)、開展有效的營(yíng)銷策略非常有幫助。（3）物流信息分析。采用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)技術(shù),根據(jù)各物流配送點(diǎn)接到的網(wǎng)站用戶訂單來(lái)預(yù)測(cè)其庫(kù)存數(shù)量。預(yù)測(cè)信息可以給物流配送中心以參考，用來(lái)合理地確定各配送點(diǎn)倉(cāng)庫(kù)的庫(kù)存量，使各配送點(diǎn)的補(bǔ)貨能更加合理有序，降低物流成本，節(jié)約庫(kù)存費(fèi)用。

四、結(jié)束語(yǔ)

數(shù)據(jù)挖掘是一個(gè)新興的領(lǐng)域,具有廣闊應(yīng)用前景，目前，電子商務(wù)在我國(guó)正處于快速發(fā)展和應(yīng)用階段，利用數(shù)據(jù)挖掘技術(shù)，能夠強(qiáng)化對(duì)客戶的服務(wù)、促進(jìn)市場(chǎng)最優(yōu)化、加速資金周轉(zhuǎn)、實(shí)現(xiàn)企業(yè)的創(chuàng)新發(fā)展。電子商務(wù)平臺(tái)上的數(shù)據(jù)挖掘技術(shù)有待人們?nèi)ミM(jìn)行更深入的研究工作，這將不斷的推動(dòng)數(shù)據(jù)挖掘技術(shù)的深入發(fā)展和廣泛應(yīng)用，創(chuàng)造出更多的社會(huì)和經(jīng)濟(jì)價(jià)值。

參考文獻(xiàn)：

[1]張?jiān)茲忊?數(shù)據(jù)挖掘原理與技術(shù).北京,電子工業(yè)出版社,2004年1月

篇5

金融部門每天的業(yè)務(wù)都會(huì)產(chǎn)生大量數(shù)據(jù)，利用目前的數(shù)據(jù)庫(kù)系統(tǒng)可以有效地實(shí)現(xiàn)數(shù)據(jù)的錄入、查詢、統(tǒng)計(jì)等功能，但無(wú)法發(fā)現(xiàn)數(shù)據(jù)中存在的關(guān)系和規(guī)則，無(wú)法根據(jù)現(xiàn)有的數(shù)據(jù)預(yù)測(cè)未來(lái)的發(fā)展趨勢(shì)。缺乏挖掘數(shù)據(jù)背后隱藏的知識(shí)的手段，導(dǎo)致了數(shù)據(jù)爆炸但知識(shí)貧乏”的現(xiàn)象。與此同時(shí)，金融機(jī)構(gòu)的運(yùn)作必然存在金融風(fēng)險(xiǎn)，風(fēng)險(xiǎn)管理是每一個(gè)金融機(jī)構(gòu)的重要工作。利用數(shù)據(jù)挖掘技術(shù)不但可以從這海量的數(shù)據(jù)中發(fā)現(xiàn)隱藏在其后的規(guī)律，而且可以很好地降低金融機(jī)構(gòu)存在的風(fēng)險(xiǎn)。學(xué)習(xí)和應(yīng)用數(shù)扼挖掘技術(shù)對(duì)我國(guó)的金融機(jī)構(gòu)有重要意義。

一、數(shù)據(jù)挖掘概述

1.數(shù)據(jù)挖掘的定義對(duì)于數(shù)據(jù)挖掘，一種比較公認(rèn)的定義是W.J.Frawley，G.PiatetskShapiro等人提出的。數(shù)據(jù)挖掘就是從大型數(shù)據(jù)庫(kù)的數(shù)據(jù)中提取人們感興趣的知識(shí)、這些知識(shí)是隱含的、事先未知的、潛在有用的信息，提取的知識(shí)表示為概念(Concepts)，規(guī)則(Rules)、規(guī)律(Regularities)、模式(Patterns)等形式。這個(gè)定義把數(shù)據(jù)挖掘的對(duì)象定義為數(shù)據(jù)庫(kù)。

隨著數(shù)據(jù)挖掘技術(shù)的不斷發(fā)展，其應(yīng)用領(lǐng)域也不斷拓廣。數(shù)據(jù)挖掘的對(duì)象已不再僅是數(shù)據(jù)庫(kù)，也可以是文件系統(tǒng)，或組織在一起的數(shù)據(jù)集合，還可以是數(shù)據(jù)倉(cāng)庫(kù)。與此同時(shí)，數(shù)據(jù)挖掘也有了越來(lái)越多不同的定義，但這些定義盡管表達(dá)方式不同，其本質(zhì)都是近似的，概括起來(lái)主要是從技術(shù)角度和商業(yè)角度給出數(shù)據(jù)挖掘的定義。

從技術(shù)角度看，數(shù)據(jù)挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在的和有用的信息和知識(shí)的過(guò)程。它是一門廣義的交叉學(xué)科，涉及數(shù)據(jù)庫(kù)技術(shù)、人工智能、機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、統(tǒng)計(jì)學(xué)、模式識(shí)別、知識(shí)庫(kù)系統(tǒng)、知識(shí)獲取、信息檢索、高性能計(jì)算和數(shù)據(jù)可視化等多學(xué)科領(lǐng)域且本身還在不斷發(fā)展。目前有許多富有挑戰(zhàn)的領(lǐng)域如文本數(shù)據(jù)挖掘、Web信息挖掘、空間數(shù)據(jù)挖掘等。

從商業(yè)角度看，數(shù)據(jù)挖掘是一種深層次的商業(yè)信息分析技術(shù)。它按照企業(yè)既定業(yè)務(wù)目標(biāo)，對(duì)大量的企業(yè)數(shù)據(jù)進(jìn)行探索和分析，揭示隱藏的、未知的或驗(yàn)證已知的規(guī)律性并進(jìn)一步將其模型化，從而自動(dòng)地提取出用以輔助商業(yè)決策的相關(guān)商業(yè)模式。

2.數(shù)據(jù)挖掘方法

數(shù)據(jù)挖掘技術(shù)是數(shù)據(jù)庫(kù)技術(shù)、統(tǒng)計(jì)技術(shù)和人工智能技術(shù)發(fā)展的產(chǎn)物。從使用的技術(shù)角度，主要的數(shù)據(jù)挖掘方法包括：

2.1決策樹方法：利用樹形結(jié)構(gòu)來(lái)表示決策集合，這些決策集合通過(guò)對(duì)數(shù)據(jù)集的分類產(chǎn)生規(guī)則。國(guó)際上最有影響和最早的決策樹方法是ID3方法，后來(lái)又發(fā)展了其它的決策樹方法。

2.2規(guī)則歸納方法：通過(guò)統(tǒng)計(jì)方法歸納，提取有價(jià)值的if-then規(guī)則。規(guī)則歸納技術(shù)在數(shù)據(jù)挖掘中被廣泛使用，其中以關(guān)聯(lián)規(guī)則挖掘的研究開展得較為積極和深入。

2.3神經(jīng)網(wǎng)絡(luò)方法：從結(jié)構(gòu)上模擬生物神經(jīng)網(wǎng)絡(luò)，以模型和學(xué)習(xí)規(guī)則為基礎(chǔ)，建立3種神經(jīng)網(wǎng)絡(luò)模型：前饋式網(wǎng)絡(luò)、反饋式網(wǎng)絡(luò)和自組織網(wǎng)絡(luò)。這種方法通過(guò)訓(xùn)練來(lái)學(xué)習(xí)的非線性預(yù)測(cè)模型，可以完成分類、聚類和特征挖掘等多種數(shù)據(jù)挖掘任務(wù)。

2.4遺傳算法：模擬生物進(jìn)化過(guò)程的算法，由繁殖(選擇)、交叉(重組)、變異(突變)三個(gè)基本算子組成。為了應(yīng)用遺傳算法，需要將數(shù)據(jù)挖掘任務(wù)表達(dá)為一種搜索問(wèn)題，從而發(fā)揮遺傳算法的優(yōu)化搜索能力。

2.5粗糙集(RoughSet)方法：Rough集理論是由波蘭數(shù)學(xué)家Pawlak在八十年代初提出的一種處理模糊和不精確性問(wèn)題的新型數(shù)學(xué)工具。它特別適合于數(shù)據(jù)簡(jiǎn)化，數(shù)據(jù)相關(guān)性的發(fā)現(xiàn)，發(fā)現(xiàn)數(shù)據(jù)意義，發(fā)現(xiàn)數(shù)據(jù)的相似或差別，發(fā)現(xiàn)數(shù)據(jù)模式和數(shù)據(jù)的近似分類等，近年來(lái)已被成功地應(yīng)用在數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)研究領(lǐng)域中。

2.6K2最鄰近技術(shù)：這種技術(shù)通過(guò)K個(gè)最相近的歷史記錄的組合來(lái)辨別新的記錄。這種技術(shù)可以作為聚類和偏差分析等挖掘任務(wù)。

2.7可視化技術(shù)：將信息模式、數(shù)據(jù)的關(guān)聯(lián)或趨勢(shì)等以直觀的圖形方式表示，決策者可以通過(guò)可視化技術(shù)交互地分析數(shù)據(jù)關(guān)系?？梢暬瘮?shù)據(jù)分析技術(shù)拓寬了傳統(tǒng)的圖表功能，使用戶對(duì)數(shù)據(jù)的剖析更清楚。

二、數(shù)據(jù)挖掘在金融行業(yè)中的應(yīng)用數(shù)據(jù)挖掘已經(jīng)被廣泛應(yīng)用于銀行和商業(yè)中，有以下的典型應(yīng)用：

1.對(duì)目標(biāo)市場(chǎng)(targetedmarketing)客戶的分類與聚類。例如，可以將具有相同儲(chǔ)蓄和貨款償還行為的客戶分為一組。有效的聚類和協(xié)同過(guò)濾(collaborativefiltering)方法有助于識(shí)別客戶組，以及推動(dòng)目標(biāo)市場(chǎng)。

2..客戶價(jià)值分析。

在客戶價(jià)值分析之前一般先使用客戶分類，在實(shí)施分類之后根據(jù)“二八原則”，找出重點(diǎn)客戶，即對(duì)給銀行創(chuàng)造了80%價(jià)值的20%客戶實(shí)施最優(yōu)質(zhì)的服務(wù)。重點(diǎn)客戶的發(fā)現(xiàn)通常采用一系列數(shù)據(jù)處理、轉(zhuǎn)換過(guò)程、AI人工智能等數(shù)據(jù)挖掘技術(shù)來(lái)實(shí)現(xiàn)。通過(guò)分析客戶對(duì)金融產(chǎn)品的應(yīng)用頻率、持續(xù)性等指標(biāo)來(lái)判別客戶的忠誠(chéng)度；通過(guò)對(duì)交易數(shù)據(jù)的詳細(xì)分析來(lái)鑒別哪些是銀行希望保持的客戶；通過(guò)挖掘找到流失的客戶的共同特征，就可以在那些具有相似特征的客戶還未流失之前進(jìn)行針對(duì)性的彌補(bǔ)。

3.客戶行為分析。

找到重點(diǎn)客戶之后，可對(duì)其進(jìn)行客戶行為分析，發(fā)現(xiàn)客戶的行為偏好，為客戶貼身定制特色服務(wù)。客戶行為分析又分為整體行為分析和群體行為分析。整體行為分析用來(lái)發(fā)現(xiàn)企業(yè)現(xiàn)有客戶的行為規(guī)律。同時(shí)，通過(guò)對(duì)不同客戶群組之間的交叉挖掘分析，可以發(fā)現(xiàn)客戶群體間的變化規(guī)律，并可通過(guò)數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)清潔與集中過(guò)程，將客戶對(duì)市場(chǎng)的反饋?zhàn)詣?dòng)輸人到數(shù)據(jù)倉(cāng)庫(kù)中。通過(guò)對(duì)客戶的理解和客戶行為規(guī)律的發(fā)現(xiàn)，企業(yè)可以制定相應(yīng)的市場(chǎng)策略。

4.為多維數(shù)據(jù)分析和數(shù)據(jù)挖掘設(shè)計(jì)和構(gòu)造數(shù)據(jù)倉(cāng)庫(kù)。例如，人們可能希望按月、按地區(qū)、按部門、以及按其他因素查看負(fù)債和收入的變化情況，同時(shí)希望能提供諸如最大、最小、總和、平均和其他等統(tǒng)計(jì)信息。數(shù)據(jù)倉(cāng)庫(kù)、數(shù)據(jù)立方體、多特征和發(fā)現(xiàn)驅(qū)動(dòng)數(shù)據(jù)立方體，特征和比較分析，以及孤立點(diǎn)分析等，都會(huì)在金融數(shù)據(jù)分析和挖掘中發(fā)揮重要作用。

5.貨款償還預(yù)測(cè)和客戶信用政策分析。有很多因素會(huì)對(duì)貨款償還效能和客戶信用等級(jí)計(jì)算產(chǎn)生不同程度的影響。數(shù)據(jù)挖掘的方法，如特征選擇和屬性相關(guān)性計(jì)算，有助于識(shí)別重要的因素，別除非相關(guān)因素。例如，與貨款償還風(fēng)險(xiǎn)相關(guān)的因素包括貨款率、資款期限、負(fù)債率、償還與收入(payment——to——income)比率、客戶收入水平、受教育程度、居住地區(qū)、信用歷史，等等。而其中償還與收入比率是主導(dǎo)因素，受教育水平和負(fù)債率則不是。銀行可以據(jù)此調(diào)整貨款發(fā)放政策，以便將貨款發(fā)放給那些以前曾被拒絕，但根據(jù)關(guān)鍵因素分析，其基本信息顯示是相對(duì)低風(fēng)險(xiǎn)的申請(qǐng)。

6.業(yè)務(wù)關(guān)聯(lián)分析。通過(guò)關(guān)聯(lián)分析可找出數(shù)據(jù)庫(kù)中隱藏的關(guān)聯(lián)網(wǎng)，銀行存儲(chǔ)了大量的客戶交易信息，可對(duì)客戶的收人水平、消費(fèi)習(xí)慣、購(gòu)買物種等指標(biāo)進(jìn)行挖掘分析，找出客戶的潛在需求;通過(guò)挖掘?qū)蛻粜畔ⅲy行可以作為廠商和消費(fèi)者之間的中介，與廠商聯(lián)手，在掌握消費(fèi)者需求的基礎(chǔ)上，發(fā)展中間業(yè)務(wù)，更好地為客戶服務(wù)。

7.洗黑錢和其他金融犯罪的偵破。要偵破洗黑錢和其他金融犯罪，重要的一點(diǎn)是要把多個(gè)數(shù)據(jù)庫(kù)的信息集成起來(lái)，然后采用多種數(shù)據(jù)分析工具找出異常模式，如在某段時(shí)間內(nèi)，通過(guò)某一組人發(fā)生大量現(xiàn)金流量等，再運(yùn)用數(shù)據(jù)可視化工具、分類工具、聯(lián)接工具、孤立點(diǎn)分析工具、序列模式分析工具等，發(fā)現(xiàn)可疑線索，做出進(jìn)一步的處理。

數(shù)據(jù)挖掘技術(shù)可以用來(lái)發(fā)現(xiàn)數(shù)據(jù)庫(kù)中對(duì)象演變特征或?qū)ο笞兓厔?shì)，這些信息對(duì)于決策或規(guī)劃是有用的，金融

行業(yè)數(shù)據(jù)的挖掘有助于根據(jù)顧客的流量安排工作人員?？梢酝诰蚬善苯灰讛?shù)據(jù)，發(fā)現(xiàn)可能幫助你制定投資策略的趨勢(shì)數(shù)據(jù)。挖掘給企業(yè)帶來(lái)的潛在的投資回報(bào)幾乎是無(wú)止境的。當(dāng)然，數(shù)據(jù)挖掘中得到的模式必須要在現(xiàn)實(shí)生活中進(jìn)行驗(yàn)證。

參考文獻(xiàn)：

丁秋林，力士奇.客戶關(guān)系管理.第1版.北京：清華人學(xué)出版社，2002

篇6

職業(yè)教育曾利用電視教育這種很先進(jìn)的技術(shù)辦學(xué)并取得了輝煌的成績(jī)，時(shí)至今日，現(xiàn)代信息技術(shù)不斷發(fā)展，不同程度的滲透到每一個(gè)領(lǐng)域，教育領(lǐng)域更是首當(dāng)其沖。昨日先進(jìn)的辦學(xué)技術(shù)，已經(jīng)遠(yuǎn)不能適應(yīng)現(xiàn)代遠(yuǎn)程教育的發(fā)展需要，現(xiàn)代教學(xué)媒體開發(fā)是實(shí)現(xiàn)遠(yuǎn)程教育的重要環(huán)節(jié)之一。近幾年，隨著國(guó)外遠(yuǎn)程教育突飛猛進(jìn)的發(fā)展，以及國(guó)內(nèi)高中等院校多媒體課件的開發(fā)實(shí)踐，我們應(yīng)對(duì)現(xiàn)代教育媒體開發(fā)的應(yīng)用前景，特別是對(duì)我院遠(yuǎn)程教育發(fā)展的重要性有一個(gè)充分的認(rèn)識(shí)。

一、專業(yè)教學(xué)網(wǎng)絡(luò)與現(xiàn)代教育技術(shù)媒體的開發(fā)

現(xiàn)代教育媒體的開發(fā)，從技術(shù)角度來(lái)看是可行的全球計(jì)算機(jī)網(wǎng)絡(luò)和多媒體技術(shù)的進(jìn)步導(dǎo)致了新一代知識(shí)智能媒體的發(fā)展，產(chǎn)生了網(wǎng)絡(luò)大學(xué)(虛擬大學(xué))，這是遠(yuǎn)程教育的重要特點(diǎn)和今后的發(fā)展方向。承載教學(xué)媒體的信息可簡(jiǎn)單的分為實(shí)時(shí)性和非實(shí)時(shí)性兩類。多媒體信息則非常適應(yīng)非實(shí)時(shí)性的傳輸要求，且價(jià)格較低，利用非實(shí)時(shí)性傳輸中有一定的延時(shí)的特點(diǎn)。像文本、圖片、聲音、動(dòng)畫等形式的多媒體信息，就可以在低速網(wǎng)上通過(guò)電話進(jìn)行傳輸。Internet和Intranet上大多采用這種非實(shí)時(shí)性信息傳輸方式瀏覽信息，這非常適合具有交互性的多媒體課件。

二、多媒體課件的應(yīng)用前景以及精品課件的建立

篇7

云計(jì)算是并行計(jì)算和分布計(jì)算以及網(wǎng)格計(jì)算的發(fā)展，是一種在海量數(shù)據(jù)大規(guī)模的集合中能動(dòng)態(tài)處理各種服務(wù)器數(shù)據(jù)資源的一類計(jì)算平臺(tái)，在電子商務(wù)、商業(yè)金融、科研開發(fā)等領(lǐng)域能得到廣泛的應(yīng)用。它具有大規(guī)模、虛擬化、高效率、通用性、廉價(jià)等特點(diǎn)，能針對(duì)不同的用戶的不同需求，動(dòng)態(tài)透明地提供其所需的虛擬化計(jì)算和資源儲(chǔ)存，并能及時(shí)動(dòng)態(tài)回收當(dāng)前用戶暫不利用的數(shù)據(jù)資源以提供給其他用戶，而其廉價(jià)、通用的特點(diǎn)，使得一般用戶實(shí)現(xiàn)大規(guī)模的數(shù)據(jù)操作成為可能。目前來(lái)說(shuō)，云計(jì)算的平臺(tái)已得到良好的發(fā)展，日益成熟，基于云計(jì)算的應(yīng)用已經(jīng)可以相當(dāng)方便的部署和操作其數(shù)據(jù)資源。

1.2數(shù)據(jù)挖掘

數(shù)據(jù)挖掘技術(shù)是現(xiàn)代知識(shí)發(fā)現(xiàn)領(lǐng)域的一個(gè)重要技術(shù)，它是指一個(gè)從隨機(jī)的大量而不完整的模糊的實(shí)際數(shù)據(jù)中提取其中某些隱含著的具有潛在價(jià)值的實(shí)用知識(shí)與信息的過(guò)程。其具體技術(shù)有特征化、聚類、關(guān)聯(lián)和預(yù)測(cè)分析等等，涉及到的高級(jí)技術(shù)領(lǐng)域有統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)、模式識(shí)別、人工智能等方面。

2基于云計(jì)算的數(shù)據(jù)挖掘平臺(tái)構(gòu)架

網(wǎng)絡(luò)云的發(fā)展給數(shù)據(jù)挖掘提出了新的問(wèn)題和時(shí)代的挑戰(zhàn)，同時(shí)，也為數(shù)據(jù)挖掘提供了新的計(jì)算平臺(tái)和發(fā)展機(jī)遇?；谠朴?jì)算的數(shù)據(jù)挖掘系統(tǒng)平臺(tái)的發(fā)現(xiàn)，解決了傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)出現(xiàn)的時(shí)代滯慢、效率較低、功能落后、成本高昂等問(wèn)題。云計(jì)算是一種商業(yè)計(jì)算模式，是網(wǎng)格計(jì)算與并行計(jì)算及分布式計(jì)算在一定程度上的商業(yè)實(shí)現(xiàn)，其動(dòng)態(tài)、可伸縮的計(jì)算基于云計(jì)算的數(shù)據(jù)挖掘平臺(tái)架構(gòu)及其關(guān)鍵技術(shù)探討文/張瑤劉輝云計(jì)算是一種在互聯(lián)網(wǎng)時(shí)代中應(yīng)運(yùn)而生的新興的網(wǎng)絡(luò)技術(shù)，具有高效率、高容量、動(dòng)態(tài)處理的特點(diǎn)，在社會(huì)的商業(yè)領(lǐng)域和科研領(lǐng)域表現(xiàn)出了其相當(dāng)高的應(yīng)用價(jià)值。將云計(jì)算應(yīng)用于數(shù)據(jù)挖掘平臺(tái)的構(gòu)架之中后，將能在很大程度上為現(xiàn)代社會(huì)中越來(lái)越海量的數(shù)據(jù)挖掘提供一個(gè)高效率的技術(shù)平臺(tái)。本文將結(jié)合云計(jì)算和數(shù)據(jù)挖掘的基本概念和現(xiàn)代意義，對(duì)數(shù)據(jù)挖掘的平臺(tái)構(gòu)架和相應(yīng)的關(guān)鍵技術(shù)做出簡(jiǎn)要的分析探討。摘要能力使得進(jìn)行高效的海量數(shù)據(jù)挖掘的目標(biāo)不再遙遠(yuǎn)。同時(shí)，云計(jì)算SaaS功能日益被理解和標(biāo)準(zhǔn)化，使得基于云計(jì)算SaaS化的數(shù)據(jù)挖掘有了理論和技術(shù)的指導(dǎo)，并具有了企業(yè)化與大眾化的發(fā)展趨勢(shì)。

2.1數(shù)據(jù)挖掘平臺(tái)構(gòu)架

建立在關(guān)系型數(shù)據(jù)庫(kù)之上的傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)構(gòu)架在現(xiàn)時(shí)代數(shù)據(jù)急劇膨脹和分析需求漸增的發(fā)展下已經(jīng)難以應(yīng)付社會(huì)的數(shù)據(jù)處理問(wèn)題。而云計(jì)算的分布式存儲(chǔ)與計(jì)算形式則接受了當(dāng)代的數(shù)據(jù)挖掘難題，促成了適應(yīng)時(shí)代的云計(jì)算數(shù)據(jù)挖掘平臺(tái)構(gòu)架的形成。其包含了面向組件的設(shè)計(jì)理念和分層設(shè)計(jì)的思想方法。其構(gòu)架自下向上總共分為3層，分別為底層的云計(jì)算支撐平臺(tái)層、中間的數(shù)據(jù)挖掘能力層和上層的數(shù)據(jù)挖掘云服務(wù)層。

2.2基于云計(jì)算的數(shù)據(jù)挖掘平臺(tái)構(gòu)架各層意義

云計(jì)算支撐平臺(tái)層：顧名思義，該平臺(tái)層是云計(jì)算數(shù)據(jù)挖掘平臺(tái)的基礎(chǔ)處理平臺(tái)，其主要具有的功能是對(duì)分布式文件存儲(chǔ)與數(shù)據(jù)庫(kù)提供資源存儲(chǔ)，以及實(shí)行對(duì)數(shù)據(jù)的有關(guān)處理和計(jì)算功能。數(shù)據(jù)挖掘能力層：該平臺(tái)結(jié)構(gòu)層主要是提供挖掘的基礎(chǔ)能力，是數(shù)據(jù)挖掘的核心支撐平臺(tái)，并對(duì)數(shù)據(jù)挖掘云服務(wù)層提供能力支撐。該平臺(tái)層包含了算法數(shù)據(jù)并行處理、調(diào)度引起和服務(wù)管理的框架，該平臺(tái)層可以提供系統(tǒng)內(nèi)部的數(shù)據(jù)挖掘處理和推薦算法庫(kù)，亦支持第三方的數(shù)據(jù)挖掘算法工具的進(jìn)入。數(shù)據(jù)挖掘云服務(wù)層：數(shù)據(jù)挖掘云服務(wù)層的主要功能是對(duì)外提供數(shù)據(jù)挖掘操作的云服務(wù)，同時(shí)也能提供基于結(jié)構(gòu)化查詢的語(yǔ)言語(yǔ)句訪問(wèn)，提供相關(guān)的解析引擎，以便于自動(dòng)調(diào)用云服務(wù)。對(duì)外數(shù)據(jù)挖掘云服務(wù)能力封裝的接口形式多樣，包含了基于簡(jiǎn)單對(duì)象訪問(wèn)協(xié)議下的Webservice、XML、HTTP以及本地應(yīng)用程序的編程接口等多種形式。另外，在必要的時(shí)候，云服務(wù)層的各個(gè)業(yè)務(wù)系統(tǒng)可以進(jìn)行數(shù)據(jù)挖掘云服務(wù)的調(diào)用和組裝。

3基于云計(jì)算的數(shù)據(jù)挖掘平臺(tái)構(gòu)架的關(guān)鍵技術(shù)探討

基于云計(jì)算的數(shù)據(jù)挖掘平臺(tái)構(gòu)架的形成，離不開現(xiàn)代先進(jìn)的科技技術(shù)，其中幾項(xiàng)關(guān)鍵的技術(shù)應(yīng)用將在這里進(jìn)行簡(jiǎn)要的闡述：

3.1云計(jì)算技術(shù)

3.1.1分布式儲(chǔ)存技術(shù)

通過(guò)采用分布式存儲(chǔ)的方式來(lái)存儲(chǔ)數(shù)據(jù)，是云計(jì)算技術(shù)保證數(shù)據(jù)處理高可靠性和經(jīng)濟(jì)性的重要保證。用可靠的軟件來(lái)彌補(bǔ)硬件的不足，是分布式存儲(chǔ)技術(shù)提供廉價(jià)而又海量的數(shù)據(jù)挖掘支持的重要途徑。

3.1.2虛擬化技術(shù)

在云計(jì)算的環(huán)境下，數(shù)據(jù)挖掘能實(shí)現(xiàn)對(duì)大量的可用的虛擬化技術(shù)的應(yīng)用、整合，發(fā)展出一套全面虛擬化的運(yùn)行戰(zhàn)略。云計(jì)算和虛擬化的共同組合，使數(shù)據(jù)挖掘?qū)崿F(xiàn)了跨系統(tǒng)下的資源調(diào)度，將海量的來(lái)源數(shù)據(jù)進(jìn)行IT資源匯合，動(dòng)態(tài)地實(shí)現(xiàn)對(duì)用戶的虛擬化資源的供給，從而以高效率、海量動(dòng)態(tài)的特點(diǎn)完成服務(wù)任務(wù)。

3.1.3并行云計(jì)算技術(shù)

并行云計(jì)算技術(shù)是一種對(duì)于高效執(zhí)行數(shù)據(jù)挖掘計(jì)算任務(wù)極其重要的技術(shù)，并且它對(duì)云計(jì)算的某些技術(shù)細(xì)節(jié)做出了封裝，例如任務(wù)并行、任務(wù)調(diào)度、任務(wù)容錯(cuò)和系統(tǒng)容錯(cuò)以及數(shù)據(jù)分布等。該功能代替了用戶對(duì)這些細(xì)節(jié)的考慮，使得研發(fā)效率得到了提高。

3.2數(shù)據(jù)匯集調(diào)度中心

數(shù)據(jù)匯集調(diào)度中心的功能主要是完成對(duì)不同類型的數(shù)據(jù)進(jìn)行匯集。它實(shí)現(xiàn)了對(duì)接入該云計(jì)算數(shù)據(jù)挖掘平臺(tái)的業(yè)務(wù)數(shù)據(jù)收集匯合，能夠解決與不同數(shù)據(jù)的相關(guān)規(guī)約問(wèn)題，并能支持多樣的源數(shù)據(jù)格式。

3.3服務(wù)調(diào)度與管理技術(shù)

對(duì)于基于云計(jì)算的數(shù)據(jù)挖掘平臺(tái)，為了使不同業(yè)務(wù)系統(tǒng)能夠使用本計(jì)算平臺(tái)，必須要提供相應(yīng)的服務(wù)調(diào)度與管理功能。服務(wù)調(diào)度解決云服務(wù)下的并行互斥以及隔離等問(wèn)題，以保證安全、可靠的平臺(tái)的云服務(wù)。服務(wù)管理功能要實(shí)現(xiàn)統(tǒng)一的服務(wù)注冊(cè)與服務(wù)暴露功能，并且支持接入第三方的數(shù)據(jù)挖掘，以更好地?cái)U(kuò)展平臺(tái)的服務(wù)能力。

篇8

傳統(tǒng)裝飾藝術(shù)源于生活，源于傳統(tǒng)，有著悠久的歷史和深厚的民族底蘊(yùn)，是與人們生活息息相關(guān)的一種藝術(shù)形態(tài)。早期工藝美術(shù)作品中的圖案就已經(jīng)具備了強(qiáng)烈的裝飾意味，隨著人們精神需求和審美意識(shí)的不斷提高，傳統(tǒng)裝飾藝術(shù)更是成為了人們生活的一部分。作為一門獨(dú)立的藝術(shù)形式，傳統(tǒng)裝飾藝術(shù)以其獨(dú)特的視覺符號(hào)和深厚的文化內(nèi)涵，重新引起了設(shè)計(jì)界的關(guān)注。特別是視覺傳達(dá)設(shè)計(jì)，這門通過(guò)獨(dú)特的視覺傳播方式達(dá)到傳達(dá)信息，并且與受眾交流、溝通的目的的藝術(shù)學(xué)科，不僅要吸取和弘揚(yáng)傳統(tǒng)裝飾藝術(shù)中的民族文化，更要挖掘傳統(tǒng)裝飾藝術(shù)中對(duì)現(xiàn)代設(shè)計(jì)有借鑒價(jià)值的東西。

追溯傳統(tǒng)裝飾藝術(shù)發(fā)展的淵源，它首先是人們?yōu)榱松娑M(jìn)行的造物的主觀創(chuàng)造性活動(dòng)，到后來(lái)為了審美需求而進(jìn)行裝飾創(chuàng)作，這是一個(gè)漫長(zhǎng)的歷史過(guò)程。在人類發(fā)展史上的各個(gè)時(shí)期，傳統(tǒng)裝飾藝術(shù)作品往往成為見證該時(shí)期文化、工藝和藝術(shù)水平的代表。并且，傳統(tǒng)裝飾藝術(shù)作品不論其形式如何，都融入了原始先民為生存而激發(fā)的全部感情，都體現(xiàn)出了生命的本能、生活的理想和原始文化的底蘊(yùn)。[1]它不是純藝術(shù)現(xiàn)象，但經(jīng)過(guò)幾千年的積淀與傳承，傳統(tǒng)裝飾藝術(shù)在意識(shí)形態(tài)的轉(zhuǎn)變和新技術(shù)浪潮的沖擊下不斷更新拓展，具有了自己鮮明的藝術(shù)特征，反映了民族文化的精髓。

在設(shè)計(jì)語(yǔ)言日趨國(guó)際化的今天，視覺傳達(dá)設(shè)計(jì)由于本身所具有的對(duì)圖形、文字等元素的高度概括和簡(jiǎn)約化特征而面臨著設(shè)計(jì)風(fēng)格一體化的尷尬趨勢(shì)，這就對(duì)現(xiàn)代設(shè)計(jì)家提出了更高的要求。由于不同的國(guó)家和民族有著不同的傳統(tǒng)，其人文風(fēng)俗和文化底蘊(yùn)也大不相同，所以，設(shè)計(jì)家們驚訝地發(fā)現(xiàn)，民族的東西是一種很好地區(qū)別于其它地域作品的設(shè)計(jì)語(yǔ)言。于是，一股回歸傳統(tǒng)，弘揚(yáng)民族文化的設(shè)計(jì)思想席卷了整個(gè)設(shè)計(jì)界。不同國(guó)度和區(qū)域的設(shè)計(jì)家都在尋找最能反映其民族精神和文化底蘊(yùn)的設(shè)計(jì)符號(hào)。作為有幾千年文化積淀和傳承并反映民族文化精髓的傳統(tǒng)裝飾藝術(shù)，它重新引起設(shè)計(jì)界的關(guān)注，并成為設(shè)計(jì)家們創(chuàng)作的靈感來(lái)源，也就不足為奇了。

首先，在對(duì)形的處理上，傳統(tǒng)裝飾藝術(shù)遵循“刪繁就簡(jiǎn)”、“以簡(jiǎn)代繁”的原則，也就是用簡(jiǎn)潔的線條和規(guī)整的外形來(lái)表現(xiàn)各種自然形象。如興起于我國(guó)民間的皮影戲和剪紙，其造型多采用簡(jiǎn)潔單純的線面，著重表現(xiàn)自然物象的基本特征，它把一些立體的東西作概括化和平面化處理，具有視覺傳達(dá)設(shè)計(jì)的意味。出土于西安半坡村仰韶文化時(shí)期的人面魚紋彩陶盆就采用了幾何圖形的構(gòu)成手法，將人面概括成圓形，頭上的發(fā)髻和人面兩側(cè)耳部的小魚都用三角形表示，眼睛瞇成一條線，這種抽象化和幾何化就是“刪繁就簡(jiǎn)”的具體體現(xiàn)。在視覺傳達(dá)設(shè)計(jì)中，提倡用最簡(jiǎn)潔的圖形語(yǔ)言傳達(dá)最豐富的思想內(nèi)涵，其實(shí)也就是強(qiáng)調(diào)對(duì)圖形的高度概括、提煉和簡(jiǎn)化，而西方更是注重幾何和抽象的圖形表達(dá)。這些現(xiàn)代設(shè)計(jì)理念，與傳統(tǒng)裝飾藝術(shù)中對(duì)形的處理觀念是基本一致的，并且在幾千年前就已經(jīng)開始運(yùn)用了。另外，傳統(tǒng)裝飾藝術(shù)由于有漆畫、陶瓷、蠟染、刺繡、剪紙等多種藝術(shù)形式，其內(nèi)容比較豐富，處理“形”的手法也就各具特色。所以，傳統(tǒng)裝飾藝術(shù)中對(duì)“形”的處理手法，很多都是值得我們視覺傳達(dá)設(shè)計(jì)學(xué)習(xí)和借鑒的。其次，傳統(tǒng)裝飾藝術(shù)很注重形式美感，這種形式美感包括造型的獨(dú)特性、排列的秩序感，畫面空間的設(shè)計(jì)感和點(diǎn)、線、面等形式要素的組合關(guān)系。傳統(tǒng)裝飾藝術(shù)中，很多造型藝術(shù)本身具有很強(qiáng)的形式美，已經(jīng)很講究對(duì)稱、均衡、比例、線條、色彩等帶給人的審美情感。如陶器的造型就很講究對(duì)稱和均衡，上面的裝飾紋樣不僅很注重線條和塊面的對(duì)比，色彩的搭配也很和諧。并且，還有很多由于機(jī)械有節(jié)奏的運(yùn)動(dòng)和通過(guò)重復(fù)的構(gòu)成手法而創(chuàng)造的圖案，具有強(qiáng)烈的秩序美。[2]在敦煌壁畫中，隨處可見用于裝飾的各種卷草紋樣和適合圖案，尤其是藻井的裝飾，紋樣之豐富，裝飾之繁瑣可謂嘆為觀止，然而經(jīng)過(guò)藝術(shù)家的合理安排，整個(gè)畫面顯得井井有條。二方連續(xù)在不斷重復(fù)的過(guò)程中呈現(xiàn)出強(qiáng)烈的節(jié)奏感和秩序感，適合紋樣處處彰顯藝術(shù)家對(duì)畫面空間的把控，各種視覺元素遙相呼應(yīng)，虛實(shí)相生，并且畫面中點(diǎn)、線、面關(guān)系處理到位，整體視覺效果統(tǒng)一。可見，傳統(tǒng)裝飾藝術(shù)中對(duì)形式美感的追求，就如同我們進(jìn)行視覺傳達(dá)設(shè)計(jì)時(shí)所考慮的畫面構(gòu)圖和版式編排，目的都是為了形成強(qiáng)烈的視覺美感，從而喚起人們審美心理的愉悅。所以，傳統(tǒng)裝飾藝術(shù)中對(duì)形式美感的追求為我們視覺傳達(dá)設(shè)計(jì)中的版式編排提供了參考的樣本，具有較高的藝術(shù)價(jià)值。

再次，傳統(tǒng)裝飾藝術(shù)中的紋樣往往具有象征意義，如盤子上的暗八仙，象征延年益壽；瓷器上的蓮花寓意高潔；民間工藝美術(shù)里的葡萄、石榴以及百子圖等象征家族繁榮，子孫眾多；還有用龍鳳表示吉祥如意，用蝙蝠直接表現(xiàn)“福在眼前”等等。[3]傳統(tǒng)裝飾藝術(shù)中的這種象征性與現(xiàn)代設(shè)計(jì)有異曲同工之處，如視覺傳達(dá)設(shè)計(jì)中的標(biāo)識(shí)設(shè)計(jì)就常采用象征圖形來(lái)傳達(dá)企業(yè)文化、發(fā)展方向或者管理理念等，海報(bào)設(shè)計(jì)中也常用具有一定象征意味的圖形傳達(dá)深刻的思想主題和文化內(nèi)涵。傳統(tǒng)裝飾藝術(shù)所具有的博大精深的寓意性，對(duì)現(xiàn)代視覺傳達(dá)設(shè)計(jì)來(lái)講，具有重大意義。一方面，它為我們的設(shè)計(jì)提供了眾多素材，豐富了我們的設(shè)計(jì)語(yǔ)言；另一方面，它為我們的設(shè)計(jì)提供了很多思考的切入點(diǎn)，對(duì)設(shè)計(jì)創(chuàng)意具有較強(qiáng)的指導(dǎo)意義；另外，它使我們?cè)诿鎸?duì)不同文化背景進(jìn)行有針對(duì)性的設(shè)計(jì)時(shí)，能準(zhǔn)確找到傳達(dá)設(shè)計(jì)意圖的最佳圖形符號(hào)。所以，傳統(tǒng)裝飾藝術(shù)中的象征性是很值得我們關(guān)注的。

另外，傳統(tǒng)裝飾藝術(shù)在造型上采用的夸張和變形，在構(gòu)圖上采用的重復(fù)、發(fā)射、漸變以及色彩的對(duì)比與調(diào)和等處理手法，與今天現(xiàn)代設(shè)計(jì)中的圖形語(yǔ)言和形式美的法則以及構(gòu)成有異曲同工之妙，可見，中國(guó)傳統(tǒng)裝飾藝術(shù)對(duì)現(xiàn)代視覺傳達(dá)設(shè)計(jì)來(lái)講，意義十分重大。

正是因?yàn)閭鹘y(tǒng)裝飾藝術(shù)有如此多的地方與現(xiàn)代視覺傳達(dá)設(shè)計(jì)保持一致性，才在現(xiàn)代社會(huì)顯示出了其特有的生命力。所以我們?cè)谠O(shè)計(jì)中運(yùn)用傳統(tǒng)裝飾藝術(shù)宣揚(yáng)民族文化，弘揚(yáng)民族精神的同時(shí)，更要不斷挖掘傳統(tǒng)裝飾藝術(shù)對(duì)現(xiàn)代視覺傳達(dá)設(shè)計(jì)有借鑒價(jià)值的東西。在設(shè)計(jì)中追求東西方文化的統(tǒng)一，追求傳統(tǒng)與現(xiàn)代的統(tǒng)一，才能夠在設(shè)計(jì)中既表現(xiàn)出民族的傳統(tǒng)精粹，又使自己的作品更具說(shuō)服力。

參考資料:

篇9

二、在部隊(duì)食品采購(gòu)系統(tǒng)中的應(yīng)用以及其價(jià)值評(píng)價(jià)

在部隊(duì)食品采購(gòu)系統(tǒng)實(shí)際應(yīng)用工程中，其實(shí)可以運(yùn)用MicrosoftSQLServerAnalysisServices來(lái)對(duì)數(shù)據(jù)進(jìn)行分析，并且在數(shù)據(jù)挖掘過(guò)程中對(duì)多維數(shù)據(jù)進(jìn)行描述與查找起到一定作用。因?yàn)槎嗑S數(shù)據(jù)比較復(fù)雜，增長(zhǎng)的也比較快，因此，進(jìn)行手動(dòng)查找是很困難的，數(shù)據(jù)挖掘技術(shù)提供的計(jì)算模式可以很好的對(duì)數(shù)據(jù)進(jìn)行分析與查找。在建設(shè)部隊(duì)食品采購(gòu)倉(cāng)庫(kù)數(shù)據(jù)的時(shí)候，數(shù)據(jù)內(nèi)容主要包括了人員的健康、兵員的飲食以及訓(xùn)練等，進(jìn)行數(shù)據(jù)挖掘主要包括以下內(nèi)容：第一，把每個(gè)主題信息數(shù)據(jù)進(jìn)行收集、匯總、分析等，對(duì)人員情況、健康、飲食、訓(xùn)練等進(jìn)行合理分析；第二，多維分析數(shù)據(jù)信息。根據(jù)部隊(duì)的實(shí)際情況，利用數(shù)據(jù)挖掘技術(shù)對(duì)部隊(duì)人員健康、飲食、訓(xùn)練等數(shù)據(jù)信息進(jìn)行多維分析，其中包含上鉆、切片、下鉆等；第三，挖掘健康與飲食之間的內(nèi)在關(guān)系。根據(jù)數(shù)據(jù)庫(kù)中許多面向主題的歷史數(shù)據(jù)，采用數(shù)據(jù)挖掘技術(shù)進(jìn)行分析與演算得到部隊(duì)人員的訓(xùn)練和健康情況與部隊(duì)飲食之間內(nèi)在關(guān)系，以便于為部隊(duì)食品采購(gòu)提供合理的、有效的保障，從而提高部隊(duì)整體人員的健康水平、身體素質(zhì)以及訓(xùn)練質(zhì)量，對(duì)提高我國(guó)部隊(duì)?wèi)?zhàn)斗力有著深遠(yuǎn)的意義。

篇10

2基于大數(shù)據(jù)的計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)概述

基于大數(shù)據(jù)的計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)是當(dāng)代新開發(fā)的一種數(shù)據(jù)處理技術(shù)，它可以從大數(shù)據(jù)中挑選出人們需要的數(shù)據(jù)。計(jì)算機(jī)數(shù)據(jù)挖掘是一個(gè)循環(huán)往復(fù)的過(guò)程，如果沒有取得預(yù)期的效果，計(jì)算機(jī)數(shù)據(jù)挖掘信息處理系統(tǒng)就會(huì)返回上一層重新工作，直到完成目標(biāo)任務(wù)為止，這種對(duì)目標(biāo)的細(xì)化過(guò)程可以滿足檔案數(shù)據(jù)檢索的需要。

3基于大數(shù)據(jù)的計(jì)算機(jī)挖掘技術(shù)在檔案管理系統(tǒng)中的作用

3.1提高檔案信息的安全性。無(wú)論是文字檔案、圖片檔案還是其他形式的檔案，都是一種寶貴的資料。越是意義重大的檔案，檔案管理人員就越要想方設(shè)法將其保存起來(lái)。檔案的價(jià)值隨著其保存時(shí)間的不斷推移而增加，價(jià)值越高的檔案，被使用的頻率就越高，但是如果使用過(guò)于頻繁的話，就會(huì)縮短檔案資料的壽命，加大保存難度。除此之外，有的檔案信息是保密的，在應(yīng)用時(shí)如果監(jiān)管不力就會(huì)導(dǎo)致機(jī)密泄露。由以上可見，檔案的保存與使用儼然已互為對(duì)立面了。將計(jì)算機(jī)挖掘技術(shù)應(yīng)用到檔案管理中則對(duì)檔案資料的完整性毫無(wú)影響，并且還可以提高檔案信息的安全性。3.2提高檔案信息管理的效率。在檔案管理工作中應(yīng)用計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)，可以極大改變傳統(tǒng)檔案管理模式低效率的弊端。使用計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)，大大提高了工作人員處理檔案信息的速度，同樣的工作使用的時(shí)間極大減少。鑒定檔案是檔案管理工作中的重要組成部分，傳統(tǒng)的鑒定方式是由管理人員根據(jù)自己的經(jīng)驗(yàn)進(jìn)行主觀鑒定，有時(shí)會(huì)存在有價(jià)值的檔案丟失的現(xiàn)象。應(yīng)用計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)，檔案管理人員就可以利用計(jì)算機(jī)系統(tǒng)分析檔案使用和保存的情況，促進(jìn)了檔案鑒定工作的發(fā)展。3.3提高了檔案信息的使用效率。大部分檔案信息具有一定的機(jī)密性，所以檔案的借閱并不是向全社會(huì)公開的，而是有范圍限制的，但是由于檔案管理人員和借閱者對(duì)檔案信息不熟悉，導(dǎo)致雙方的溝通存在一定的問(wèn)題，在借閱者提出申請(qǐng)之后，檔案管理人員會(huì)將檔案資料調(diào)出來(lái)，有時(shí)調(diào)出來(lái)的資料不是借閱者所需要的，還得重新調(diào)閱，類似的過(guò)程就嚴(yán)重浪費(fèi)了雙方的時(shí)間。應(yīng)用計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)可以促進(jìn)檔案管理人員和借閱者之間的交流，讓檔案管理者明確借閱者需要的具體檔案信息，從而形成專門的檔案提供渠道，這就大大提高了檔案信息的使用效率。3.4增強(qiáng)檔案信息的服務(wù)性。加密檔案信息會(huì)嚴(yán)重縮小它的適用范圍，受當(dāng)代信息化的影響，很多檔案信息自身會(huì)出現(xiàn)一些問(wèn)題，并且只能為一小部分人服務(wù)。將計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)應(yīng)用到檔案信息管理中，可以具體分析檔案的使用情況，通過(guò)研究發(fā)現(xiàn)未來(lái)使用檔案信息的人群，在此基礎(chǔ)上提高檔案信息的服務(wù)性。

4基于大數(shù)據(jù)的計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)在檔案管理中的實(shí)際應(yīng)用

4.1在檔案分類管理中的應(yīng)用。檔案管理的基礎(chǔ)工作就是將檔案進(jìn)行分類。傳統(tǒng)的分類方法既費(fèi)時(shí)又費(fèi)力，工作效率極低。計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)中有一種決策樹算法，它可以在最短的時(shí)間內(nèi)按照一定的規(guī)則將不同屬性的檔案信息進(jìn)行分類和整理，大大提高了檔案分類工作的效率。計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)在檔案分類工作中的具體流程是：從大量不同種類的數(shù)據(jù)集中選擇一些數(shù)據(jù)組合成訓(xùn)練集，然后應(yīng)用到?jīng)]有進(jìn)行分類的檔案管理中，這樣可以幫助管理者根據(jù)借閱者對(duì)檔案信息的需求來(lái)對(duì)檔案進(jìn)行分類，同時(shí)還可以根據(jù)借閱者的需求為其推薦其他檔案信息。通過(guò)這些針對(duì)性強(qiáng)的數(shù)據(jù)分析，可以極大縮短借閱者獲取檔案信息的時(shí)間，檔案數(shù)據(jù)的利用價(jià)值就能充分發(fā)揮出來(lái)。4.2在檔案收集管理中的應(yīng)用。計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)可以根據(jù)數(shù)據(jù)庫(kù)內(nèi)部的數(shù)據(jù)信息描述來(lái)構(gòu)建一個(gè)相應(yīng)的數(shù)據(jù)模型，然后比較計(jì)算機(jī)數(shù)據(jù)樣本和數(shù)據(jù)模型之間的差異，如果這二者互相吻合，就需要檔案管理人員使用測(cè)試樣本模型來(lái)對(duì)檔案信息進(jìn)行分類處理。計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)需要全面分析檔案數(shù)據(jù)信息庫(kù)中的數(shù)據(jù)，建立一個(gè)對(duì)已知數(shù)據(jù)有詳細(xì)描述的概念模型，并與測(cè)試樣本進(jìn)行對(duì)比，如果一個(gè)模型測(cè)試通過(guò)，就證明這個(gè)模型可以應(yīng)用在檔案收集管理中。

5結(jié)語(yǔ)

綜上所述，在科技技術(shù)不斷進(jìn)步的時(shí)代背景下，在檔案信息管理中應(yīng)用基于大數(shù)據(jù)的計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)已成為一種必然趨勢(shì)，它可以極大提高檔案信息管理的工作效率，促進(jìn)檔案管理的高效發(fā)展。除了在檔案信息存儲(chǔ)和利用上確保基本的信息查詢服務(wù)外，還需要應(yīng)用計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)整合檔案信息，建立眾多檔案管理服務(wù)數(shù)據(jù)之間的關(guān)聯(lián)，這樣才能為檔案信息管理提供更好的服務(wù)。

作者:陳皓穎 單位:昆明理工大學(xué)津橋?qū)W院

參考文獻(xiàn)

[1]高燕飛,陳俊杰.試析計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)在檔案信息管理系統(tǒng)中的運(yùn)用[J].內(nèi)蒙古師范大學(xué)學(xué)報(bào):哲學(xué)社會(huì)科學(xué)版,2012(4):44-46.

[2]曾雪峰.計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)開發(fā)及其在檔案信息管理中的運(yùn)用研究[J].科技創(chuàng)新與應(yīng)用,2016(9):285.

[3]李國(guó)強(qiáng),曹巧蓮,辛正宇,等.淺談數(shù)據(jù)處理的新技術(shù)———數(shù)據(jù)挖掘[J].科技創(chuàng)新與生產(chǎn)力,2010(6).