計算機數(shù)據(jù)挖掘技術(shù)的開發(fā)及其應(yīng)用研究

阿不都艾尼·阿不都肉素力

摘要：現(xiàn)代信息技術(shù)發(fā)展過程中，與現(xiàn)代統(tǒng)計學知識高度融合，從而衍生出計算機數(shù)據(jù)挖掘技術(shù)。計算機數(shù)據(jù)挖掘技術(shù)，和大數(shù)據(jù)技術(shù)、云存儲技術(shù)共同發(fā)展，為社會生產(chǎn)與生活提供較多便利。該文注重開發(fā)計算機數(shù)據(jù)挖掘技術(shù)，同時提出科學化處理對策，僅供參考。

關(guān)鍵詞：計算機數(shù)據(jù)挖掘技術(shù);開發(fā);應(yīng)用

中圖分類號：TP391? ? ? 文獻標識碼：A

文章編號：1009-3044（2022）03-0027-03

開放科學（資源服務(wù)）標識碼（OSID）：

在大數(shù)據(jù)時代下，數(shù)據(jù)信息量非常大，但由于數(shù)據(jù)完整性不足，所以既存在價值數(shù)據(jù)，也存在垃圾數(shù)據(jù)。海量數(shù)據(jù)具備特殊意義，且數(shù)據(jù)背后隱藏重要知識信息，因此具備不完整性、隨機性、模糊性特點。在噪聲數(shù)據(jù)中，注重挖掘價值信息。數(shù)據(jù)挖掘，通過分析海量數(shù)據(jù)，可以實現(xiàn)自動化分析，做好歸納整理，提取價值信息。利用上述信息，能夠為應(yīng)用對象提供便利性。企業(yè)、個體用戶可以有效評估市場，明確實施方案，按照市場政策變化，降低投資風險，效益顯著。同時，幫助行業(yè)應(yīng)對政策變化，提供最佳營銷手段與策略。當企業(yè)面臨資金、管理危機事件時，可以貢獻較多力量。

1 計算機數(shù)據(jù)挖掘技術(shù)過程概述

1.1明確數(shù)據(jù)庫與數(shù)據(jù)挖掘目的

數(shù)據(jù)挖掘技術(shù)功能較多，需要合理應(yīng)用技術(shù)措施，明確數(shù)據(jù)挖掘目的，按照目的選擇數(shù)據(jù)庫。由于計算機數(shù)據(jù)挖掘技術(shù)，涉及多種數(shù)據(jù)挖掘方法，且不同數(shù)據(jù)挖掘目的、挖掘方法不同，所以選擇適宜挖掘方法，能夠保障數(shù)據(jù)挖掘結(jié)果準確性。此外，明確數(shù)據(jù)挖掘目的、數(shù)據(jù)庫，可以發(fā)揮出數(shù)據(jù)挖掘技術(shù)優(yōu)勢。

1.2數(shù)據(jù)選擇與預(yù)處理

明確數(shù)據(jù)挖掘目的與數(shù)據(jù)庫后，需要在數(shù)據(jù)庫內(nèi)提取目標數(shù)據(jù)。值得一提的是，維護目標數(shù)據(jù)內(nèi)信息，同時將目標數(shù)據(jù)作為數(shù)據(jù)挖掘范圍，即數(shù)據(jù)選擇。明確目標數(shù)據(jù)后，科學處理目標數(shù)據(jù)，刪除錯誤信息、無用信息，留下有用信息。上述過程為預(yù)處理流程，能夠精簡目標數(shù)據(jù)。

1.3數(shù)據(jù)挖掘

第一，按照數(shù)據(jù)挖掘目的，明確數(shù)據(jù)挖掘技術(shù)類型、應(yīng)用算法。算法屬于數(shù)據(jù)挖掘精髓，通過科學算法，能夠提升數(shù)據(jù)挖掘結(jié)果可靠性，借鑒價值強。第二，數(shù)據(jù)挖掘算法是一種數(shù)學模型，按照數(shù)據(jù)挖掘算法，建立標準化數(shù)學模型。利用數(shù)據(jù)挖掘算法，準確處理目標數(shù)據(jù)。第三，在計算機系統(tǒng)中，通過算法挖掘數(shù)據(jù)信息，能夠獲得相關(guān)結(jié)果。

1.4評估結(jié)果

評估結(jié)果環(huán)節(jié)，主要分析數(shù)據(jù)挖掘結(jié)果，做好科學化評估。通過數(shù)據(jù)挖掘技術(shù)獲取結(jié)果，但是要驗證結(jié)果正確性。當結(jié)果不滿足數(shù)據(jù)信息要求時，則重新選擇數(shù)據(jù)挖掘算法、數(shù)學模型。當結(jié)果滿足應(yīng)用要求時，將數(shù)據(jù)結(jié)果應(yīng)用到實踐操作中，指導(dǎo)后續(xù)工作，全面提升工作效率。

2 計算機數(shù)據(jù)挖掘技術(shù)開發(fā)

2.1傳統(tǒng)統(tǒng)計方法

在日常生活中，頻繁使用統(tǒng)計方法，將統(tǒng)計學知識落實到各領(lǐng)域。對于傳統(tǒng)統(tǒng)計學方法涉及內(nèi)容比較多，包含多元統(tǒng)計技術(shù)、統(tǒng)計預(yù)測技術(shù)、抽樣技術(shù)。其中，抽樣技術(shù)為重要統(tǒng)計方法，可以應(yīng)用到生活實踐中。在海量數(shù)據(jù)中，提取價值數(shù)據(jù)，將其作為樣本信息?？茖W分析樣本信息，展示數(shù)據(jù)信息，合理應(yīng)用抽樣技術(shù)，減少統(tǒng)計量、數(shù)據(jù)分析量。統(tǒng)計預(yù)測技術(shù)，包括序列分析、回歸分析等。多元統(tǒng)計分析，需要復(fù)雜數(shù)據(jù)結(jié)構(gòu)，例如因子統(tǒng)計、數(shù)據(jù)統(tǒng)計等。

2.2可視化技術(shù)

在統(tǒng)計數(shù)據(jù)時，借助數(shù)據(jù)挖掘技術(shù)可以提升數(shù)據(jù)統(tǒng)計效率，同時確保數(shù)據(jù)統(tǒng)計結(jié)果滿足要求。但是，數(shù)據(jù)統(tǒng)計結(jié)果通常包含隱晦特征，為了掌握相關(guān)特征，需要利用圖表、散點圖方式，表達數(shù)據(jù)統(tǒng)計結(jié)果特征，使人們正確理解數(shù)據(jù)統(tǒng)計結(jié)果?；趯嵱媒嵌确治?，可視化技術(shù)無法實現(xiàn)高維數(shù)據(jù)可視化，高維數(shù)據(jù)在圖表中呈現(xiàn)難度大，但是能夠指導(dǎo)可視化技術(shù)發(fā)展，技術(shù)創(chuàng)新性強。

2.3決策樹

通過決策樹，能夠分類預(yù)測海量數(shù)據(jù)，是一種新型數(shù)據(jù)挖掘技術(shù)。遵循標準化規(guī)則，建設(shè)科學的數(shù)據(jù)體系。決策樹計算方法較多，例如SPRINT、SLIQ等。通過上述算法，可以將訓練集歸納為決策樹，對分類屬性、連續(xù)屬性予以處理。

2.4遺傳算法

基于生物科學角度分析，計算機所具備的智能學習能力，必須注重數(shù)據(jù)結(jié)合、數(shù)據(jù)突變過程整合。處理數(shù)據(jù)信息時，淘汰不合理數(shù)據(jù)，留存優(yōu)質(zhì)數(shù)據(jù)信息，使其成為新數(shù)據(jù)組合。數(shù)據(jù)優(yōu)化處理后，能夠提升數(shù)據(jù)信息適應(yīng)度。遺傳算法理論，可以支持數(shù)據(jù)挖掘技術(shù)開發(fā)，屬于標準化處理方法。準確定位數(shù)據(jù)挖掘技術(shù)，以決策數(shù)據(jù)為核心技術(shù)，擴大技術(shù)開發(fā)應(yīng)用范圍，對決策者知識儲備要求低，既可以展示出數(shù)據(jù)挖掘優(yōu)勢，還可以研發(fā)全新的技術(shù)措施。

2.5聯(lián)機分析處理

基于本質(zhì)分析可知，聯(lián)機分析處理可以通過多計算機系統(tǒng)，對某個具體問題進行分析。計算機連接性，采用多數(shù)據(jù)節(jié)點方式分析數(shù)據(jù)信息。針對應(yīng)用對象，注重聯(lián)機分析處理，即多維數(shù)據(jù)。聯(lián)機分析處理程序，可以劃分為主計算機任務(wù)、其他聯(lián)機計算機任務(wù)，圍繞主計算機提出科學分配方案，準確計算數(shù)據(jù)并進行統(tǒng)計分析。

2.6計算機神經(jīng)網(wǎng)絡(luò)

基于計算機神經(jīng)網(wǎng)絡(luò)，獲取計算機網(wǎng)絡(luò)研究成果，模擬人體神經(jīng)網(wǎng)絡(luò)，生成輸入單元、處理單元、輸出單元。在數(shù)據(jù)處理中應(yīng)用計算機網(wǎng)絡(luò)，能夠調(diào)整計算數(shù)據(jù)信息，歸納整理計算結(jié)果。

2.7粗糙集

當缺少數(shù)據(jù)知識時，粗糙集能夠?qū)?shù)據(jù)分類能力進行考察，分析和處理不確定數(shù)據(jù)、模糊數(shù)據(jù)。在數(shù)據(jù)庫體系中，合理應(yīng)用粗糙集，能夠發(fā)現(xiàn)分類規(guī)則，同時將數(shù)據(jù)庫屬性劃分為條件屬性、結(jié)論屬性。針對數(shù)據(jù)庫內(nèi)部元組，按照不同屬性值劃分為對應(yīng)子集，合理劃分條件屬性、結(jié)論屬性，從而生成判定規(guī)則。因此，具備相似對象集合，可以稱為初等集合，將其作為知識組成成分。對于初等集合并集，可以納入精確集合，同時整理為粗糙集。不同粗糙集擁有不同邊界元素，但是不能劃分為集合元素，也不能作為集合元素的補充元素。在數(shù)據(jù)挖掘分類中，可以應(yīng)用粗糙集理論，能夠及時發(fā)現(xiàn)噪聲數(shù)據(jù)、異常數(shù)據(jù)內(nèi)部結(jié)構(gòu)。

2.8支持向量機

隨著統(tǒng)計學習理論的發(fā)展，逐漸出現(xiàn)支持向量機，屬于新型機器學習方法?；诮Y(jié)構(gòu)風險最小化原則，加強學習泛化能力，推廣性能、分類精確性能顯著，可以處理學習問題，形成訓練多層感知器、多項式神經(jīng)元網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)等。同時，支持向量法屬于凸優(yōu)化問題，局部最優(yōu)解為全局最優(yōu)解，上述特點為神經(jīng)元網(wǎng)絡(luò)算法無法企及的優(yōu)勢。在數(shù)據(jù)挖掘分類、回歸、未知事物探索中，合理應(yīng)用支持向量機。

2.9關(guān)聯(lián)規(guī)則

關(guān)聯(lián)規(guī)則屬于實用性分析規(guī)則，可以描述事物屬性、模式與規(guī)律，屬于數(shù)據(jù)挖掘中的成熟技術(shù)。在數(shù)據(jù)挖掘領(lǐng)域，應(yīng)用關(guān)聯(lián)規(guī)則的價值顯著，能夠掌握數(shù)據(jù)規(guī)律，不會受到單一因變量限制。大部分關(guān)聯(lián)規(guī)則挖掘算法，可以發(fā)現(xiàn)隱藏挖掘數(shù)據(jù)的關(guān)聯(lián)性，但并非所有關(guān)聯(lián)屬性都具備應(yīng)用價值，必須做好科學化評價，篩選高價值關(guān)聯(lián)規(guī)則。

3 計算機數(shù)據(jù)挖掘技術(shù)的應(yīng)用實踐

3.1市場營銷中的應(yīng)用

在現(xiàn)代生活發(fā)展中，多數(shù)消費者購物都傾向于刷卡操作，在此操作中，銷售商可以采集到消費者信息。消費者數(shù)量持續(xù)增加，銷售商可以采集到價值信息，便于開展市場營銷活動。不同銷售商、生產(chǎn)廠家，根據(jù)價值信息采集，對消費者實際需求、購物習慣進行分析，掌握消費者消費時間，對消費者下步消費行為進行推斷。例如，企業(yè)收集消費者信用卡使用數(shù)據(jù)，掌握商品銷售情況，同時，通過促銷活動掌握消費意向。開展上述工作，比較依賴數(shù)據(jù)挖掘技術(shù)。企業(yè)通過數(shù)據(jù)挖掘技術(shù)，可以掌握消費群體需求，同時為企業(yè)決策制定提供數(shù)據(jù)依據(jù)，加強企業(yè)市場競爭力?；诳傮w分析可知，將數(shù)據(jù)挖掘技術(shù)應(yīng)用到市場營銷中，可以應(yīng)用數(shù)據(jù)庫營銷、貨籃分析方式。數(shù)據(jù)庫營銷，通過模型預(yù)測、交互式查詢方式，篩選企業(yè)潛在客戶，同時針對性推銷產(chǎn)品。

3.2金融投資中的應(yīng)用

在金融分析中，股票教育預(yù)測、投資評估，屬于重要內(nèi)容。通過模型預(yù)測法、統(tǒng)計回歸技術(shù)法開展。與其他行業(yè)相比，金融投資風險大，投資前必須做好數(shù)據(jù)分析，既可以規(guī)避投資風險，還可以明確投資方向。事物發(fā)展過程中，會呈現(xiàn)出增長趨勢，所以要做好科學預(yù)測，將其與交易市場預(yù)測、投資評估放在同等重要地位。在研究分析時，通過計算機數(shù)據(jù)分析推理相關(guān)內(nèi)容。在現(xiàn)有數(shù)據(jù)處理中，按照存在關(guān)系，挖掘深層次數(shù)據(jù)，并根據(jù)數(shù)據(jù)模型進行預(yù)測。同時，在商業(yè)銀行機構(gòu)中，也開始廣泛應(yīng)用數(shù)據(jù)挖掘技術(shù)。銀行經(jīng)營管理時常出現(xiàn)詐騙、惡意投資行為，增加經(jīng)濟損失，所以必須準確預(yù)測和鑒別欺詐行為。按照筆者研究可知，銀行機構(gòu)在鑒別詐騙行為時，主要采用對比正常行為、詐騙行為方式，以此獲取詐騙行為特征。審核人員預(yù)警特征人員，加大審查力度，拒絕提供服務(wù)。在商業(yè)銀行體系中，合理應(yīng)用計算機數(shù)據(jù)挖掘技術(shù)，借助銀行業(yè)系統(tǒng)調(diào)取客戶信息，例如流水、資金、存款與信貸等。深入分析相關(guān)數(shù)據(jù)信息，可以掌握抵押物、償債能力，評估交易風險，推理詐騙行為。將審查結(jié)果提交至技術(shù)人員審核，通過此種方式，可以降低商業(yè)銀行詐騙行為。

3.3電子商務(wù)網(wǎng)站中的應(yīng)用

隨著互聯(lián)網(wǎng)技術(shù)快速發(fā)展，電子商務(wù)網(wǎng)站成為企業(yè)、商家必爭方式，電子商務(wù)網(wǎng)站在線交易會產(chǎn)生海量登記表、記錄文件。將計算機數(shù)據(jù)挖掘技術(shù)應(yīng)用到電子商務(wù)中，可以深度分析數(shù)據(jù)信息，確保商家掌握消費者購買喜好、模式等，滿足不同層次消費需求，也可以為企業(yè)、商家提供擴大市場份額的機會。合理應(yīng)用計算機數(shù)據(jù)挖掘技術(shù)，深度挖掘消費者背景信息、瀏覽者點擊量?？蛻舻怯洷頌槿ケ尘靶畔?，點擊量則是考察客戶行為的重要方式。然而，客戶不會在登記表中填寫所有信息，致使數(shù)據(jù)挖掘與分析難度比較大?；跒g覽者多項表現(xiàn)數(shù)據(jù)，可以準確推測和應(yīng)用背景信息。

3.4在半導(dǎo)體領(lǐng)域中的應(yīng)用

在半導(dǎo)體領(lǐng)域中，合理應(yīng)用計算機數(shù)據(jù)挖掘技術(shù)，可以有效作用到軟件檢測中。在生產(chǎn)半導(dǎo)體元件時，利用元件信息采集，可以準確分析和檢測元件信息，確保元件性能質(zhì)量達標后，

再應(yīng)用到半導(dǎo)體中。因此，借助計算機數(shù)據(jù)挖掘技術(shù)，能夠判斷元件合格準確率，以免應(yīng)用到不合格商品。此外，在金融投資中，合理應(yīng)用計算機數(shù)據(jù)挖掘技術(shù)，可以為金融投資提供參考。將計算機數(shù)據(jù)挖掘技術(shù)應(yīng)用到電子商業(yè)中，既可以推斷消費者喜好，還可以為消費者提供目標產(chǎn)品，減少消費時間浪費，實現(xiàn)快速銷售目的。例如，京東、淘寶等購物網(wǎng)站，都應(yīng)用了計算機數(shù)據(jù)挖掘技術(shù)。

4 結(jié)束語

綜上所述，現(xiàn)代經(jīng)濟快速發(fā)展背景下，各行業(yè)對數(shù)據(jù)信息的依賴度加強，有助于提升數(shù)據(jù)挖掘技術(shù)開發(fā)與應(yīng)用價值。大數(shù)據(jù)挖掘技術(shù)，可以影響多行業(yè)領(lǐng)域發(fā)展，比如市場營銷、金融投資、電子商務(wù)網(wǎng)站、半導(dǎo)體領(lǐng)域等，在不同領(lǐng)域中的應(yīng)用，均可以掌握行業(yè)發(fā)展規(guī)律，提出科學化發(fā)展策略與建議，以此展示出計算機數(shù)據(jù)挖掘技術(shù)的應(yīng)用價值。

參考文獻：

[1] 段冬，張嫻.大數(shù)據(jù)背景下人工智能在計算機網(wǎng)絡(luò)技術(shù)中的應(yīng)用研究[J].電腦知識與技術(shù)，2021，17（9）：179-180，190.

[2] 徐夢馨，高德立，柳景.大數(shù)據(jù)背景下數(shù)據(jù)挖掘技術(shù)在檔案管理系統(tǒng)中的運用[J].信息與電腦（理論版），2021，33（2）：28-30.

[3] 趙云.基于大數(shù)據(jù)的計算機數(shù)據(jù)挖掘技術(shù)在檔案管理系統(tǒng)中的應(yīng)用[J].中國新通信，2020，22（22）：113-114.

[4] 黃毅能，吳旭東，多曉偉.數(shù)據(jù)挖掘技術(shù)在電商平臺中的應(yīng)用——以陶瓷餐具的電商營銷為例[J].現(xiàn)代營銷（經(jīng)營版），2020（10）：112-113.

[5] 范海峰.數(shù)據(jù)挖掘技術(shù)在計算機網(wǎng)絡(luò)病毒防御系統(tǒng)開發(fā)中的應(yīng)用[J].電子技術(shù)與軟件工程，2020（17）：236-237.

[6] 車全偉，雷成，李玉如，等.基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘模型在吸能裝置上的應(yīng)用[J].西南交通大學學報，2021，56（5）：995-1001.

[7] 徐承俊，朱國賓.數(shù)據(jù)挖掘在全國計算機等級考試（NCRE）成績分析中的研究及應(yīng)用[J].計算機應(yīng)用與軟件，2020，37（8）：64-67，73.

[8] 劉各巧.數(shù)據(jù)挖掘技術(shù)研究以及在檔案計算機管理系統(tǒng)中的應(yīng)用[J].太原城市職業(yè)技術(shù)學院學報，2020（7）：199-201.

[9] 姜齊艷，王魯平.基于數(shù)據(jù)挖掘與神經(jīng)網(wǎng)絡(luò)的財務(wù)異常數(shù)據(jù)監(jiān)測分析算法[J].電子設(shè)計工程，2020，28（11）：14-17，22.

[10] 夏天維. 計算機數(shù)據(jù)挖掘技術(shù)的開發(fā)及其應(yīng)用探究[C]//“決策論壇——管理科學與工程研究學術(shù)研討會”論文集（下）.《決策與信息》雜志社、北京大學經(jīng)濟管理學院：《科技與企業(yè)》編輯部，2016：241.

【通聯(lián)編輯：唐一東】