计算机数据挖掘技术的应用

时间:2019-09-27

 

　　计算机数据挖掘技术作为一种新的信息技术，其的应用能够提高人们在海量信息中搜索自己所需信息的效率。基于云计算、云储存等技术发展而产生的计算机数据挖掘技术，不仅包含计算机技术的特点，也融合了统计学理论，而这一优势使该技术在我国得到了快速发展和广泛应用。信息时代背景下，信息数量与日俱增，要想从海量信息中搜索到自己所需的信息有一定的难度，需要花费大量时间、精力，而计算机数据挖掘技术的应用，不仅可以有效解决数据信息搜索问题，也推动了信息化社会的发展。
　　
　　1 计算机数据挖掘技术的开发
　　
　　1.1 传统统计方法
　　
　　在日常生活中，对统计方法的使用是非常频繁的，各个行业都会用到统计学知识。传统的统计方法较为繁多，比如抽样技术、统计预测、多元统计分析等。抽样技术作为一种极为重要的传统统计方法，该技术在生活中的应用较为普遍，而使用方式是提取海量数据中的部分数据作为样本信息，通过分析样本信息来表现所有数据的情况。同时该技术的使用能够有效降低统计量，减少数据分析量。统计预测主要包括两种预测分析方法：一种是序列分析，一种是回归分析。多元统计分析主要被用于数据结构复杂且包含因子的数据统计。
　　
　　1.2 可视化技术
　　
　　在数据统计过程中，计算机数据挖掘技术的应用不仅能够提高数据统计效率，也能够保证数据统计结果符合要求。
　　
　　然而，数据统计结果一般都会隐含一些特征，而要想发现这些特征，则需利用图表、散点图等方式，直观表达数据统计结果涵盖的特征，从而帮助人们更好地理解数据统计结果。
　　
　　从实际应用角度来看，可视化技术对于高维数据的可视化还有所欠缺，想要将高维数据表现在图表中有一定的难度，而这也为可视化技术的创新发展提供了方向。
　　
　　1.3 决策树
　　
　　决策树作为一种对庞大数据进行分类和预测的数据挖掘技术，该技术是依据一系列规则而建立的。决策树所涵盖的计算方法较为繁多，包括 SLIQ、SPRINT、CHAID、ID3 等。
　　
　　其中，SLIQ 与 SPRINT 作为两种新的决策树算法，其功能是将庞大的训练集归纳为决策树，也是对分类属性与连续性属性进行处理的有效方法。
　　
　　1.4 遗传算法
　　
　　从生物科学角度分析，计算机所具备的智能学习能力是在数据结合的基础上，数据自身产生的突变、联合等一系列过程。适者生存这种理论适应于各个领域，数据挖掘和处理领域也不例外。在处理数据的过程中，淘汰不合理的数据，将合理且优秀的数据留下并进行重新组合，使其成为一个新的数据组合，再历经长时间的数据优化，从而产生适应性更高的数据组合。上述理论属于早期开发出的计算机数据挖掘技术，也是一种粗集方法。计算机数据挖掘技术的定位是以决策服务为主的应用型技术，而随着该技术的开发和广泛应用，对决策者的知识储备要求有了明显降低，而这不仅突出了计算机数据挖掘技术的优势，也使对该技术的研究和开发越来越受重视。
　　
　　1.5 联机分析处理
　　
　　从实质上而言，联机分析处理就是利用多部计算机同时处理某个问题，而计算机之间的相互连接，可以使多个数据节点同时分析数据信息。联机分析处理的应用对象是多维数据。联机分析处理的程序是主计算机将任务进行细分，其他联机计算机针对主计算机所作出的分配方案，对数据进行分割计算与综合统计，从而实现对数据信息的分析计算。
　　
　　1.6 计算机神经网络
　　
　　在参考人体神经元研究成果的基础上，对计算机网络的研究也取得了一定的成果，并形成了一种专属于计算机的神经网络。计算机神经网络是基于对人体神经网络的模拟而产生的，其主要包括三个层面，分别是输入、输出与处理单元。
　　
　　在数据处理中，计算机神经网络的应用可以在调整与计算数据的基础上，实现对计算结果的归纳整理。
　　
　　2 计算机数据挖掘技术的应用
　　
　　2.1 在市场营销中的应用
　　
　　随着科学技术的快速发展，特别是计算机数据挖掘技术的发展，日常生活中消费者使用 POS 机刷卡购买商品的情况越来越普遍，而这主要是依托于对信息管理系统和 POS 系统的应用。在消费者进行刷卡消费时，其的某些消费信息会被销售商家所采集，而且随着刷卡消费行为逐渐普及，销售商家所采集的消费者信息会随之增加。根据市场营销理念，销售商家可以依据所采集的消费者信息，分析出消费者的购物行为和习惯以及消费者购物的特征，在此基础上可以预测消费者的消费方向，从而达到提高销售商家市场营销能力的目的。例如，商家依据消费者的刷卡消费情况，能够实现对商品销售情况的分析，而利用商品促销等活动，可以提高消费者的消费意愿。根据消费者的消费数据，实现对消费者购物方向的分析，需要依靠计算机数据挖掘技术来完成。同时，基于计算机数据挖掘技术的分析结果改进销售商家的商业决策，可以提高商家销售方案的适宜性。从市场营销方向分析，数据挖掘主要包括两种类型：数据库营销和货篮分析。其中，数据库分析是指利用交叉式查询和模型预测等方法来实现对潜在客户的选择，并实现对潜在客户的推销。
　　
　　2.2 在金融投资中的应用
　　
　　金融投资作为一种高风险的领域，其所涵盖的数据信息非常庞大，而要想实现对金融投资数据的分析有一定的难度。
　　
　　目前，在金融投资领域，模型预测法与统计回归技术等计算机数据挖掘技术的应用非常广泛，专业人士基于计算机数据挖掘技术分析数据的结果，可以实现对股票交易和投资风险的预测，而这对降低投资风险、选择最佳投资方向极为有利。
　　
　　金融投资所具备的高风险性，要求人们在投资前应对金融市场的数据进行分析，了解金融市场的最新动态，从而预测金融市场的发展方向。同时，在处理已有数据的基础上，根据投资发展模式，依据数据之间的连接，对数据进行深入挖掘，可以实现对投资前景的预测。恶意诈骗、恶意透支等行为是商业银行较常遇到的问题，会对商业银行的发展造成不利影响，而计算机数据挖掘技术的应用可以有效解决上述问题，从而达到降低银行风险的目的。在分析商业银行数据时，应用计算机数据挖掘技术，利用对比分析法对正常行为和诈骗行为进行分析，并对诈骗行为所具备的特征进行整理，从而帮助银行工作人员辨别诈骗行为，降低诈骗行为对商业银行发展所造成的威胁。
　　
　　2.3 在其他领域的应用
　　
　　除了金融投资和市场营销等领域应用外，计算机数据挖掘技术在其他领域也得到了广泛的应用，特别是在半导体领域。在半导体领域中，计算机数据挖掘技术一般被用于检测元件。在元件生产过程中，不断对元件信息进行采集和储存，并利用计算机数据挖掘技术分析元件信息，用于检测元件质量，可以避免问题元件因检查不仔细而被当成正常元件出售，有利于降低出厂元件存在问题的概率。此外，在电子商务领域，应用计算机数据挖掘技术，分析消费者的需求和爱好，为消费者提供具有针对性的商品，不仅能够为消费者提供全面服务，也能够提高电子商务网站的营销能力。
　　
　　3 结 语
　　
　　综上所述，计算机数据挖掘技术作为一种新型信息技术，其不仅包含统计学理论与计算机技术，也参考了人体神经网络结构。在日常生活与工作中，计算机数据挖掘技术不仅有利于提升各个领域的信息处理能力，在市场营销、金融投资等领域也发挥着极为重要的作用，对推动行业发展很有帮助。
　　
　　参考文献
　　
　　[1] 夏天维 . 计算机数据挖掘技术的开发及其应用探究 [J].决策与信息 : 下旬刊 ,2016（3）。
　　
　　[2] 王洪飞 . 计算机数据挖掘技术的开发及其应用探究 [J].中小企业管理与科技 ,2016（27）。
　　
　　[3] 郝园园 . 计算机数据挖掘技术的开发及其应用探究[J].2015（10）。

 

 

TAG标签： 数据挖掘  计算机  技术  

上一篇：网络技术中的人工智能具体运用
下一篇：计算机数据挖掘的主要方法与实际运用