溝通與協(xié)作能力是我們在工作中必不可少的素質(zhì)。針對不同的學(xué)科和學(xué)習(xí)方式，我們可以采用不同的方法來撰寫一篇完美的總結(jié)。"以下是一些總結(jié)的參考文獻(xiàn)，可以為你的寫作提供一些建議和指導(dǎo)。"
    數(shù)據(jù)挖掘論文摘要篇一
    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。
    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。
    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。l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。
    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。
    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)。
    數(shù)據(jù)挖掘論文摘要篇二
    由于信息技術(shù)的迅速發(fā)展，現(xiàn)代的檔案管理模式與過去相比，也有了很大的變化，也讓如今的檔案管理模式有了新的挑戰(zhàn)。讓人們對信息即時、大量地獲取是目前檔案管理工作和檔案管理系統(tǒng)急切需要解決的問題。
    （一）數(shù)據(jù)挖掘技術(shù)。數(shù)據(jù)挖掘是指從大量的、不規(guī)則、亂序的數(shù)據(jù)中，進(jìn)行分析歸納，得到隱藏的，未知的，但同時又含有較大價值的信息和知識。它主要對確定目標(biāo)的有關(guān)信息，使用自動化和統(tǒng)計(jì)學(xué)等方法對信息進(jìn)行預(yù)測、偏差分析和關(guān)聯(lián)分析等，從而得到合理的結(jié)論。在檔案管理中使用數(shù)據(jù)挖掘技術(shù)，能夠充分地發(fā)揮檔案管理的作用，從而達(dá)到良好的檔案管理工作效果。（二）數(shù)據(jù)挖掘技術(shù)分析。數(shù)據(jù)挖掘技術(shù)分析的方法是多種多樣的，其主要方法有以下幾種：1.關(guān)聯(lián)分析。指從已經(jīng)知道的信息數(shù)據(jù)中，找到多次展現(xiàn)的信息數(shù)據(jù)，由信息的說明特征，從而得到具有相同屬性的事物特征。2.分類分析。利用信息數(shù)據(jù)的特征，歸納總結(jié)相關(guān)信息數(shù)據(jù)的數(shù)據(jù)庫，建立所需要的數(shù)據(jù)模型，從而來識別一些未知的信息數(shù)據(jù)。3.聚類分析。通過在確定的數(shù)據(jù)中，找尋信息的價值聯(lián)系，得到相應(yīng)的管理方案。4.序列分析。通過分析信息的前后因果關(guān)系，從而判斷信息之間可能出現(xiàn)的聯(lián)系。
    在進(jìn)行現(xiàn)代檔案信息處理時，傳統(tǒng)的檔案管理方法已經(jīng)不能滿足其管理的要求，數(shù)據(jù)挖掘技術(shù)在這方面確有著顯著的優(yōu)勢。首先，檔案是較為重要的信息記錄，甚至有些檔案的重要性大到無價，因此對于此類的珍貴檔案，相關(guān)的檔案管理人員也是希望檔案本身及其價值一直保持下去。不過越是珍貴的檔案，其使用率自然也就越高，所以其安全性就很難得到保障，在檔案管理中運(yùn)用數(shù)據(jù)挖掘技術(shù)，可以讓檔案的信息數(shù)據(jù)得到分析統(tǒng)計(jì)，歸納總結(jié)，不必次次實(shí)物查閱，這樣就極大地提升了檔案相關(guān)內(nèi)容的安全性，降低檔案的磨損率。并且可以對私密檔案進(jìn)行加密，進(jìn)行授權(quán)查閱，進(jìn)一步提高檔案信息的安全性。其次，對檔案進(jìn)行鑒定與甄別，這也是檔案工作中較困難的過程，過去做好這方面的工作主要依靠管理檔案管理員自己的能力和水平，主觀上的因素影響很大，但是數(shù)據(jù)挖掘技術(shù)可以及時對檔案進(jìn)行編碼和收集，對檔案進(jìn)行數(shù)字化的管理和規(guī)劃，解放人力資源，提升檔案利用的服務(wù)水平。第三，數(shù)據(jù)挖掘技術(shù)可以減少檔案的收集和保管成本，根據(jù)檔案的特點(diǎn)和規(guī)律建立的數(shù)據(jù)模型能為之后的工作人員建立一種標(biāo)準(zhǔn)，提升了檔案的鑒定效率。
    （一）檔案信息的收集。在實(shí)施檔案管理工作時，首先需要對檔案信息數(shù)據(jù)的收集?？梢赃\(yùn)用相關(guān)檔案數(shù)據(jù)庫的數(shù)據(jù)資料，進(jìn)行科學(xué)的分析，制定科學(xué)的說明方案，對確定的數(shù)據(jù)集合類型和一些相關(guān)概念的模型進(jìn)行科學(xué)說明，利用這些數(shù)據(jù)說明，建立準(zhǔn)確的數(shù)據(jù)模型，并以此數(shù)據(jù)模型作為標(biāo)準(zhǔn)，為檔案信息的快速分類以及整合奠定基礎(chǔ)。例如，在體育局的相關(guān)網(wǎng)站上提供問卷，利用問卷來得到的所需要的信息數(shù)據(jù)，導(dǎo)入數(shù)據(jù)庫中，讓數(shù)據(jù)庫模型中保有使用者的相關(guān)個人信息，通過對使用者的信息數(shù)據(jù)進(jìn)行說明，從而判斷使用者可能的類型，提升服務(wù)的準(zhǔn)確性。因此，數(shù)據(jù)挖掘技術(shù)為檔案信息的迅速有效收集，為檔案分類以及后續(xù)工作的順利展開，提供了有利條件，為個性化服務(wù)的實(shí)現(xiàn)提供了保證。（二）檔案信息的分類。數(shù)據(jù)挖掘技術(shù)具有的屬性分析能力，可以將數(shù)據(jù)庫中的信息進(jìn)行分門別類，將信息的對象通過不同的特征，規(guī)劃為不同的分類。將數(shù)據(jù)挖掘技術(shù)運(yùn)用到檔案管理中時，可以簡單快速地找到想要的檔案數(shù)據(jù)，能根據(jù)數(shù)據(jù)中使用者的相關(guān)數(shù)據(jù)，找尋使用者在數(shù)據(jù)庫中的信息，使用數(shù)據(jù)模型的分析能力，分析出使用者的相關(guān)特征。利如，在使用者上網(wǎng)使用網(wǎng)址時，數(shù)據(jù)挖掘技術(shù)可以充分利用使用者的搜索數(shù)據(jù)以及網(wǎng)站的訪問記錄，自動保存用戶的搜索信息、搜索內(nèi)容、下載次數(shù)、時間等，得到用戶的偏好和特征，對用戶可能存在的需求進(jìn)行預(yù)測和分類，更加迅速和準(zhǔn)確的，為用戶提供個性化的服務(wù)。（三）檔案信息的整合。數(shù)據(jù)挖掘技術(shù)可以對新舊檔案的信息進(jìn)行整合處理，可以較為簡單地將“死檔案”整合形成為“活檔案”，提供良好的檔案信息和有效的檔案管理。例如，對于企事業(yè)單位而言，培訓(xùn)新員工的成本往往比聘請老員工的成本要高出很多。對老員工的檔案信息情況進(jìn)行全體整合，使檔案資源充分發(fā)揮作用，將檔案數(shù)據(jù)進(jìn)行總結(jié)和規(guī)劃，根據(jù)數(shù)據(jù)之間的聯(lián)系確定老員工流失的原因，然后建立清晰、明白的數(shù)據(jù)庫，這樣可以防止人才流失，也能大大提高檔案管理的效率。
    綜上所述，在這個信息技術(shù)迅速跳躍發(fā)展的時代，將數(shù)據(jù)挖掘技術(shù)運(yùn)用到檔案管理工作中是時代發(fā)展的需求與必然結(jié)果。利用數(shù)據(jù)挖掘技術(shù)，可以使檔案管理工作的效率大大提升，不僅減少了搜索檔案信息的時間，節(jié)省人力物力，避免資源的浪費(fèi)，還能幫助用戶在海量的信息數(shù)據(jù)中，快速找到所需的檔案數(shù)據(jù)信息。數(shù)據(jù)挖掘技術(shù)的運(yùn)用，使靜態(tài)的檔案信息變成了可以“主動”為企事業(yè)單位的發(fā)展，提供有效的個性化服務(wù)的檔案管家，推動了社會的快速發(fā)展。
    [2]宇然，數(shù)據(jù)挖掘技術(shù)研究以及在檔案計(jì)算機(jī)管理系統(tǒng)中的應(yīng)用[d].沈陽工業(yè)大學(xué)，20xx.
    [3]吳秀霞，關(guān)于檔案管理方面的數(shù)據(jù)挖掘分析及應(yīng)用探討[j].經(jīng)營管理者，20xx:338.
    數(shù)據(jù)挖掘論文摘要篇三
    ：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。
    ：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。
    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。
    2.1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]。
    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。
    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。
    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。
    [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.
    數(shù)據(jù)挖掘論文摘要篇四
    計(jì)算機(jī)技術(shù)的不斷發(fā)展，信息技術(shù)不斷加強(qiáng)，在社會新的發(fā)展趨勢下，以往的傳統(tǒng)管理模式落后于現(xiàn)代化發(fā)展的管理水平。為了創(chuàng)新檔案管理的模式，提高檔案管理的質(zhì)量，在現(xiàn)代檔案信息管理系統(tǒng)中引入數(shù)據(jù)挖掘技術(shù)。
    數(shù)據(jù)挖掘技術(shù)是一種基于統(tǒng)計(jì)學(xué)、人工智能等等技術(shù)基礎(chǔ)上，能夠自動分析原有數(shù)據(jù)，從而做出歸納整理，并對其潛在的模式進(jìn)行挖掘的決策支持過程，簡單來說就是從一系列復(fù)雜的數(shù)據(jù)中提取人們需要的潛在性信息。
    二十世紀(jì)末，計(jì)算機(jī)挖掘技術(shù)產(chǎn)生。其一般用到的方法有：
    （1）孤立點(diǎn)分析。孤立點(diǎn)分析法主要用于對于特殊信息的挖掘。
    （2）聚類分析。聚類分析方法是在指定的對象中，對其價值聯(lián)系進(jìn)行搜索。
    （3）分類分析。分類分析就是找出具有一定特點(diǎn)的數(shù)據(jù)，對需要解讀的數(shù)據(jù)進(jìn)行識別。
    （4）關(guān)聯(lián)性分析。關(guān)聯(lián)性分析方法是對指定數(shù)據(jù)中出現(xiàn)頻繁的數(shù)據(jù)進(jìn)行挖掘。
    （5）序列分析。與關(guān)聯(lián)性分析法一樣，由數(shù)據(jù)之間內(nèi)在的聯(lián)系得出潛在的關(guān)聯(lián)。
    1.3計(jì)算機(jī)挖掘技術(shù)的形式分析。
    計(jì)算機(jī)挖掘技術(shù)在使用過程中，收集到的數(shù)據(jù)不同，數(shù)據(jù)收集的方法也就不同。在對數(shù)據(jù)挖掘技術(shù)進(jìn)行形式分析的時候，主要用到：分類形式、粗糙集形式、相關(guān)規(guī)則形式。
    系統(tǒng)中的應(yīng)用計(jì)算機(jī)挖掘技術(shù)，能夠?qū)㈦[藏的信息挖掘出來并進(jìn)行總結(jié)和利用，運(yùn)用到檔案管理中來，在充分發(fā)揮挖掘技術(shù)作用的同時，極大的提高了檔案數(shù)據(jù)的利用價值。數(shù)據(jù)挖掘技術(shù)在檔案管理系統(tǒng)中，一般用到的方法為：
    2.1收集法。
    該方法在對數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行分析的基礎(chǔ)上，建立對已知數(shù)據(jù)詳細(xì)描述的概念模型。然后將每個測試的樣本與此模型進(jìn)行比較，若有一個模型在測試中被認(rèn)可，就可以以此模型對管理的對象分類。例如，檔案管理員就某事向客戶進(jìn)行問卷調(diào)查并將答案輸入到數(shù)據(jù)庫中。在該數(shù)據(jù)庫中，對客戶的回答進(jìn)行具體屬性描述，當(dāng)有新的回答內(nèi)容輸入的時候，系統(tǒng)會自動對該客戶需求分類，在減輕管理員工作壓力的同時，提高了檔案管理的效率。
    2.2保留法。
    該方法是防止老客戶檔案丟失并將客戶留住的過程。對于任何一個企業(yè)來說，發(fā)展一個新的客戶的成本要遠(yuǎn)遠(yuǎn)高于留住一個來客戶的成本。在客戶保留的過程中，對客戶檔案流失原因的分析至關(guān)重要，因此，采用挖掘技術(shù)對其進(jìn)行分析是必要的。
    2.3分類法。
    通過計(jì)算機(jī)挖掘技術(shù)對檔案進(jìn)行分類，按照不同的性質(zhì)進(jìn)行系統(tǒng)的劃分，將所有相似或相通的檔案進(jìn)行整理，在人們需要的時候，能夠快速的被提取出來，提高了檢索的效率和分類的專業(yè)性。
    計(jì)算機(jī)挖掘技術(shù)的應(yīng)用，對檔案管理方式的不斷完善有著極其重要的意義，其重要性主要體現(xiàn)在：
    3.1對檔案的保護(hù)更全面。
    一部分具有歷史意義的檔案，隨著保存的時間不斷增加，其年代感加強(qiáng)，意義和價值增大。相應(yīng)的，利用的頻率會隨著利用的價值增加，也更容易被損壞從而導(dǎo)致檔案信息壽命折損，此外，管理不當(dāng)造成泄密，使檔案失去了原本的利用價值，這種存在于檔案管理和利用之間的矛盾，使得檔案管理面臨著巨大的難題。挖掘技術(shù)的運(yùn)用，緩解了這種矛盾，在檔案管理工作中具有重要的意義。
    3.2提升檔案管理的質(zhì)量。
    在檔案信息管理系統(tǒng)中引入計(jì)算機(jī)挖掘技術(shù)，使得檔案信息管理打破了傳統(tǒng)的模式，通過挖掘技術(shù)，對管理的模式有了極大的創(chuàng)新，工作人員以往繁重的工作壓力得到釋放，時間和精力更加豐富，在對檔案管理的細(xì)節(jié)方面也就更加注意，同時也加快了對檔案的數(shù)據(jù)信息進(jìn)行處理的速度，提升檔案管理的整體質(zhì)量。
    綜上所述，計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)涉及的內(nèi)容很廣，對挖掘技術(shù)的運(yùn)用，使得各行各業(yè)的發(fā)展水平得到了很大的提高，推動社會經(jīng)濟(jì)的發(fā)展，帶動社會發(fā)展模式的創(chuàng)新。在檔案管理中使用計(jì)算機(jī)挖掘技術(shù)，使得檔案信息保存的方法及安全性有了很大的提高。同時，也需要檔案信息管理人員在進(jìn)行檔案信息管理的時候，能合理利用計(jì)算機(jī)信息挖掘技術(shù)，在提高工作效率的同時，促進(jìn)管理模式的不斷創(chuàng)新，以適應(yīng)時代發(fā)展的要求。
    數(shù)據(jù)挖掘論文摘要篇五
    近些年來，已經(jīng)有越來越多的企業(yè)把通信、網(wǎng)絡(luò)技術(shù)和計(jì)算機(jī)應(yīng)用引入企業(yè)的日常管理工作和業(yè)務(wù)開發(fā)處理當(dāng)中，企業(yè)的各類信息化程度也在不斷提高?，F(xiàn)代科技信息技術(shù)的廣泛應(yīng)用已經(jīng)顯著的提高了企業(yè)的工作效率和經(jīng)濟(jì)效益。但是，在使用信息技術(shù)給企業(yè)帶來的方便、快捷的同時，也不斷的出現(xiàn)了新的問題和需求。企業(yè)經(jīng)過多年積累了大量的歷史數(shù)據(jù)，這些數(shù)據(jù)對企業(yè)當(dāng)前的日常經(jīng)營活動幾乎沒有任何的使用價值，成了留之無用棄之可惜的累贅。而且儲藏這些歷史數(shù)據(jù)會對企業(yè)造成很大的困難和費(fèi)用開銷。為此數(shù)據(jù)挖掘技術(shù)應(yīng)用在網(wǎng)絡(luò)營銷中勢在必行，全面細(xì)致的分析數(shù)據(jù)庫資源并從中提取有價值的信息來對商業(yè)決策進(jìn)行支持，從而來控制運(yùn)營成本、提高經(jīng)濟(jì)效益。本文將從網(wǎng)絡(luò)營銷中數(shù)據(jù)挖掘技術(shù)的幾個應(yīng)用進(jìn)行探討和分析。
    客戶關(guān)系管理在網(wǎng)絡(luò)營銷，商業(yè)競爭是一家以客戶為中心的競技狀態(tài)的客戶，留住客戶，擴(kuò)大客戶基礎(chǔ)，建立密切的客戶關(guān)系，客戶需求分析和創(chuàng)造客戶需求等，是非常關(guān)鍵的營銷問題。客戶關(guān)系管理，營銷和信息技術(shù)領(lǐng)域是一個新概念，這在90年代初，軟件產(chǎn)品在上世紀(jì)90年代后期出現(xiàn)的誕生。目前，在國內(nèi)和國外的此類產(chǎn)品的研究和發(fā)展階段。然而，繼續(xù)與數(shù)據(jù)倉庫和數(shù)據(jù)挖掘技術(shù)的進(jìn)步和發(fā)展，客戶關(guān)系管理，也是對實(shí)際應(yīng)用階段。crm的目標(biāo)是管理者與客戶的互動，提升客戶價值，提高客戶滿意度，提高客戶的忠誠度，還發(fā)現(xiàn)，市場營銷和銷售渠道，然后尋找新客戶，提高客戶的利潤貢獻(xiàn)率的最終目的是為了推動社會和經(jīng)濟(jì)效益?？蛻絷P(guān)系管理的目的，應(yīng)用是改善企業(yè)與客戶的關(guān)系，它是企業(yè)和服務(wù)本質(zhì)管理和協(xié)調(diào)，以滿足客戶的需求，企業(yè)政策支持這項(xiàng)工作，并聯(lián)系客戶服務(wù)加強(qiáng)管理，提高客戶滿意度和品牌忠誠度。
    然而，數(shù)據(jù)挖掘可以應(yīng)用到很多方面的crm和不同階段，包括以下內(nèi)容：
    （1）“一對一”營銷的內(nèi)部工作人員認(rèn)識到，客戶是在這個領(lǐng)域的企業(yè)，而不是貿(mào)易發(fā)展生存的關(guān)鍵。與每一個客戶接觸的過程，也是了解客戶的進(jìn)程，而且也讓客戶了解業(yè)務(wù)流程。
    （2）企業(yè)與客戶之間的銷售應(yīng)該是一種商業(yè)關(guān)系不斷向前發(fā)展?？蛻艉蜖I銷公司成立這種方式，而且有許多方法可以使這種與客戶的關(guān)系，往往以改善包括：延長時間，客戶關(guān)系和維護(hù)客戶關(guān)系，以進(jìn)一步加強(qiáng)相互交往過程中，公司可以在對方取得聯(lián)系更多的利潤。
    （3）客戶對客戶盈利能力分析。我們的客戶盈利能力是非常不同的，如果你不明白客戶盈利能力，很難制定有效的營銷策略，以獲取最有價值的客戶，或進(jìn)一步提高客戶的忠誠度的價值。數(shù)據(jù)挖掘技術(shù)可以用來預(yù)測客戶在市場條件變化不同的盈利能力。它可以找到所有這些行為和使用模型來預(yù)測客戶行為模式的客戶交易盈利水平或新客戶找到高利潤。
    （4）在所有部門維護(hù)客戶關(guān)系的競爭日趨激烈，企業(yè)獲得新客戶的成本上升，因此，保持現(xiàn)有客戶的關(guān)系變得越來越重要。對于企業(yè)客戶可分為三大類：沒有價值或者低價值的客戶，不容易失去寶貴的客戶，并不斷尋找更多的優(yōu)惠，更有價值的服務(wù)給客戶。前兩個類型的客戶，客戶關(guān)系管理，現(xiàn)代化，然而，最具潛力的市場活動，是第三個層次的用戶，而且還特別需求和營銷工具，以保護(hù)客戶，可以減緩企業(yè)經(jīng)營成本，而且還獲得了寶貴的客戶。數(shù)據(jù)挖掘還可以發(fā)現(xiàn)，由于客戶流失，該公司能夠滿足這些客戶的需要，采取適當(dāng)措施，保持銷售。
    （5）客戶訪問企業(yè)業(yè)務(wù)系統(tǒng)資源，包括能夠獲得新客戶的關(guān)鍵指標(biāo)。為了提供這些新的資源，包括企業(yè)搜索客戶誰不知道該產(chǎn)品的客戶，可能是競爭對手，服務(wù)客戶。這些細(xì)分客戶，潛在客戶可以幫助企業(yè)完成檢查。
    通過挖掘客戶的有關(guān)數(shù)據(jù)，可以對客戶進(jìn)行分類，找出其相同點(diǎn)和不同點(diǎn)，以便為客戶提供個性化的產(chǎn)品和服務(wù)，使企業(yè)和客戶之間能夠通過網(wǎng)絡(luò)進(jìn)行有效的溝通和信息交流。例如，關(guān)聯(lián)分析，客戶在購買某種商品時，有可能會連帶著購買其他的相關(guān)產(chǎn)品，這樣購買的某種商品和連帶購買的其他相關(guān)產(chǎn)品之間就存在著某種關(guān)聯(lián)，企業(yè)可以針對這種關(guān)聯(lián)進(jìn)行分析，分析出規(guī)律，已制定有效的營銷策略來長效的起到吸引客戶連帶消費(fèi)，購買其他產(chǎn)品的營銷策略。它能夠智能化地從大量的數(shù)據(jù)中提取出有用的信息和知識，為企業(yè)的管理人員提供決策支持。數(shù)據(jù)挖掘技術(shù)使數(shù)據(jù)庫技術(shù)進(jìn)入了一個更高級的階段，它不僅能對過去的數(shù)據(jù)進(jìn)行查詢和遍歷，并且能夠找出過去數(shù)據(jù)之間的潛在聯(lián)系，從而促進(jìn)信息的傳遞。
    客戶群體的劃分也會用到數(shù)據(jù)挖掘，沒有基于數(shù)據(jù)挖掘的客戶劃分，就沒有真正的差異化、個性化營銷，就沒有現(xiàn)代營銷的根本。做為企業(yè)的領(lǐng)導(dǎo)者，不管你的企業(yè)是賣產(chǎn)品的還是賣服務(wù)，第一個應(yīng)該準(zhǔn)確把握的商業(yè)問題就是你的目標(biāo)客戶群體，他們是誰，有什么特點(diǎn)和行為模式，有那些獨(dú)特的喜好可以作為營銷的突破口，有多大的多長久的贏利價值。這些問題是你整個商業(yè)運(yùn)做的核心和基礎(chǔ)，不了解你的客戶，下面的路就根本別指望能走下去了。數(shù)據(jù)挖掘營銷應(yīng)用中的客戶群體劃分可以科學(xué)有效的解決這個問題，也能給企業(yè)找到一個合理的營銷定位。
    數(shù)據(jù)挖掘技術(shù)在90年代開始應(yīng)用于信用評估與風(fēng)險分析中。企業(yè)在進(jìn)行網(wǎng)絡(luò)營銷的過程中會受到各種各樣的來自買方的信用風(fēng)險的威脅，隨著市場競爭的加劇，貿(mào)易信用已經(jīng)成為企業(yè)成功開發(fā)客戶和加強(qiáng)客戶關(guān)系的重要條件?？蛻粜庞霉芾碇饕撬鸭瘍Υ婵蛻粜畔?，因?yàn)榭蛻艏仁瞧髽I(yè)最大的財(cái)富來源，也是風(fēng)險的主要來源。為了讓企業(yè)在這方面更少的受到威脅，可以利用數(shù)據(jù)挖掘技術(shù)發(fā)現(xiàn)企業(yè)經(jīng)常面臨的詐騙行為或延付貨款行為，進(jìn)而進(jìn)行回避。同時盡可能把客戶信用風(fēng)險控制在交易發(fā)生之前是成功信用管理的根本。因此，充分獲取客戶的詳細(xì)資料并做出安全的決策非常重要。
    客戶信用風(fēng)險管理應(yīng)用數(shù)據(jù)挖掘技術(shù)的優(yōu)勢：
    （3）數(shù)據(jù)挖掘技術(shù)也可以適應(yīng)各種形式的數(shù)據(jù)，數(shù)據(jù)挖掘可以是連續(xù)的數(shù)據(jù)，離散數(shù)據(jù)，而其他形式的數(shù)據(jù)處理，以便在更大的靈活性，在選擇指標(biāo)時，更加符合客觀實(shí)際的信用風(fēng)險模型。
    為現(xiàn)代信用風(fēng)險管理方法有兩個：第一是所謂的指數(shù)法，其基礎(chǔ)是信用相關(guān)業(yè)務(wù)的某些特性來企業(yè)信用評估；第二類是所謂的結(jié)構(gòu)化方法，根據(jù)歷史數(shù)據(jù)和市場數(shù)據(jù)模擬在企業(yè)資產(chǎn)價值變化的動態(tài)持續(xù)的過程，然后確定其企業(yè)信用的位置。
    網(wǎng)絡(luò)營銷作為適應(yīng)網(wǎng)絡(luò)經(jīng)濟(jì)時代的網(wǎng)絡(luò)虛擬市場的新營銷理論，是市場營銷理念在新時期的發(fā)展和應(yīng)用。它能夠智能化地從大量的數(shù)據(jù)中提取出有用的信息和知識，為企業(yè)的管理人員提供決策支持。數(shù)據(jù)挖掘技術(shù)使數(shù)據(jù)庫技術(shù)進(jìn)入了一個更高級的階段，它不僅能對過去的數(shù)據(jù)進(jìn)行查詢和遍歷，并且能夠找出過去數(shù)據(jù)之間的潛在聯(lián)系，從而促進(jìn)信息的傳遞。
    1．維護(hù)原有客戶，挖掘潛在新客戶。
    網(wǎng)絡(luò)營銷中銷售商可以通過客戶的訪問記錄來挖掘出客戶的潛在信息，跟據(jù)客戶的興趣與需求向客戶有針對性的做個性化的推薦，制定出客戶滿意的產(chǎn)品服務(wù)。在做好維護(hù)原有老客戶的基礎(chǔ)上，通過對數(shù)據(jù)的挖掘，利用分類技術(shù)，也可以尋找出潛在的客戶，通過對web日志的挖掘，可以對已經(jīng)存在的訪問者進(jìn)行分類，根據(jù)這種精細(xì)的分類，還可以找到潛在的新客戶。
    2．制定營銷策略，優(yōu)化促銷活動。
    對于保留的商品訪問記錄和銷售記錄進(jìn)行挖掘，可以發(fā)現(xiàn)客戶的訪問規(guī)律，了解客戶消費(fèi)的生命周期，起伏規(guī)律，結(jié)合市場形勢的變化，針對不同的商品和客戶群制定不同的營銷策略，保證促銷活動針對客戶群有的放矢，收到意想不到的效果。
    3．降低運(yùn)營成本，提高競爭力。
    網(wǎng)絡(luò)營銷的管理者可以通過數(shù)據(jù)挖掘發(fā)現(xiàn)市場反饋的可靠信息，預(yù)測客戶未來的購買行為，有針對性的進(jìn)行營銷活動，還可以根據(jù)產(chǎn)品訪問者的瀏覽習(xí)慣來覺定產(chǎn)品廣告的位置，使廣告有針對性的起到宣傳的效果。從而提高廣告的投資回報率，從而能降低運(yùn)營成本，提高且的核心競爭力。
    4．對客戶進(jìn)行個性化推薦。
    根據(jù)客戶采礦活動對網(wǎng)絡(luò)規(guī)則，有針對性的網(wǎng)絡(luò)營銷平臺，提供“個性化”服務(wù)。個性化服務(wù)是在服務(wù)策略和服務(wù)內(nèi)容的不同客戶的不同，其本質(zhì)是客戶為中心的web服務(wù)的需求。它通過收集和分析客戶資料，以了解客戶的利益和購買行為，然后采取主動，以達(dá)到建議的服務(wù)。
    5．完善網(wǎng)絡(luò)營銷網(wǎng)站的設(shè)計(jì)。
    1馮英健著，《網(wǎng)絡(luò)營銷基礎(chǔ)與實(shí)踐》,清華大學(xué)出版社，20xx年1月第1版。
    2.,and.sky-shairoh,esinknowledgediscoveryanddatamining.aaai/mitpress,menlopark,ca.1996:。
    數(shù)據(jù)挖掘論文摘要篇六
    [1]劉瑩?；跀?shù)據(jù)挖掘的商品銷售預(yù)測分析[j].科技通報。2014（07）。
    [2]姜曉娟，郭一娜?；诟倪M(jìn)聚類的電信客戶流失預(yù)測分析[j].太原理工大學(xué)學(xué)報。2014（04）。
    [3]李欣海。隨機(jī)森林模型在分類與回歸分析中的應(yīng)用[j].應(yīng)用昆蟲學(xué)報。2013（04）。
    [4]朱志勇，徐長梅，劉志兵，胡晨剛?；谪惾~斯網(wǎng)絡(luò)的客戶流失分析研究[j].計(jì)算機(jī)工程與科學(xué)。2013（03）。
    [5]翟健宏，李偉，葛瑞海，楊茹。基于聚類與貝葉斯分類器的網(wǎng)絡(luò)節(jié)點(diǎn)分組算法及評價模型[j].電信科學(xué)。2013（02）。
    [6]王曼，施念，花琳琳，楊永利。成組刪除法和多重填補(bǔ)法對隨機(jī)缺失的二分類變量資料處理效果的比較[j].鄭州大學(xué)學(xué)報（醫(yī)學(xué)版）.2012（05）。
    [7]黃杰晟，曹永鋒。挖掘類改進(jìn)決策樹[j].現(xiàn)代計(jì)算機(jī)（專業(yè)版）.2010（01）。
    [8]李凈，張范，張智江。數(shù)據(jù)挖掘技術(shù)與電信客戶分析[j].信息通信技術(shù)。2009（05）。
    [9]武曉巖，李康?；虮磉_(dá)數(shù)據(jù)判別分析的隨機(jī)森林方法[j].中國衛(wèi)生統(tǒng)計(jì)。2006（06）。
    [10]張璐。論信息與企業(yè)競爭力[j].現(xiàn)代情報。2003（01）。
    [13]俞馳?；诰W(wǎng)絡(luò)數(shù)據(jù)挖掘的客戶獲取系統(tǒng)研究[d].西安電子科技大學(xué)2009。
    [14]馮軍。數(shù)據(jù)挖掘在自動外呼系統(tǒng)中的應(yīng)用[d].北京郵電大學(xué)2009。
    [15]于寶華?；跀?shù)據(jù)挖掘的高考數(shù)據(jù)分析[d].天津大學(xué)2009。
    [16]王仁彥。數(shù)據(jù)挖掘與網(wǎng)站運(yùn)營管理[d].華東師范大學(xué)2010。
    [19]賈治國。數(shù)據(jù)挖掘在高考填報志愿上的應(yīng)用[d].內(nèi)蒙古大學(xué)2005。
    [22]阮偉玲。面向生鮮農(nóng)產(chǎn)品溯源的基層數(shù)據(jù)庫建設(shè)[d].成都理工大學(xué)2015。
    [23]明慧。復(fù)合材料加工工藝數(shù)據(jù)庫構(gòu)建及數(shù)據(jù)集成[d].大連理工大學(xué)2014。
    [25]岳雪?；诤Ａ繑?shù)據(jù)挖掘關(guān)聯(lián)測度工具的設(shè)計(jì)[d].西安財(cái)經(jīng)學(xué)院2014。
    [28]張曉東。全序模塊模式下范式分解問題研究[d].哈爾濱理工大學(xué)2015。
    [30]王化楠。一種新的混合遺傳的基因聚類方法[d].大連理工大學(xué)2014。
    “大數(shù)據(jù)”到底有多大？根據(jù)研究機(jī)構(gòu)統(tǒng)計(jì)，僅在2011年，全球數(shù)據(jù)增量就達(dá)到了1.8zb(即1.8萬億gb)，相當(dāng)于全世界每個人產(chǎn)生200gb以上的數(shù)據(jù)。這種增長趨勢仍在加速，據(jù)保守預(yù)計(jì)，接下來幾年中，數(shù)據(jù)將始終保持每年50%的增長速度。
    縱觀人類歷史，每一次劃時代的變革都是以新工具的出現(xiàn)和應(yīng)用為標(biāo)志的。蒸汽機(jī)把人們從農(nóng)業(yè)時代帶入了工業(yè)時代，計(jì)算機(jī)和互聯(lián)網(wǎng)把人們從工業(yè)時代帶入了信息時代，而如今大數(shù)據(jù)時代已經(jīng)到來，它源自信息時代，又是信息時代全方位的深化應(yīng)用與延伸。大數(shù)據(jù)時代的生產(chǎn)原材料是數(shù)據(jù)，生產(chǎn)工具則是大數(shù)據(jù)技術(shù)，是對信息時代所產(chǎn)生的海量數(shù)據(jù)的挖掘和分析，從而快速地獲取有價值信息的技術(shù)和應(yīng)用。
    概括來講，大數(shù)據(jù)有三個特征，可總結(jié)歸納為“3v”，即量(volume)、類(variety)、時(velocity)。量，數(shù)據(jù)容量大，現(xiàn)在數(shù)據(jù)單位已經(jīng)躍升至zb級別。類，數(shù)據(jù)種類多，主要來自業(yè)務(wù)系統(tǒng)，例如社交網(wǎng)絡(luò)、電子商務(wù)和物聯(lián)網(wǎng)應(yīng)用。時，處理速度快，時效性要求高，從傳統(tǒng)的事務(wù)性數(shù)據(jù)到實(shí)時或準(zhǔn)實(shí)時數(shù)據(jù)。
    數(shù)據(jù)挖掘，又稱為知識發(fā)現(xiàn)(knowledgediscovery)，是通過分析每個數(shù)據(jù)，從大量數(shù)據(jù)中尋找其規(guī)律的技術(shù)。知識發(fā)現(xiàn)過程通常由數(shù)據(jù)準(zhǔn)備、規(guī)律尋找和規(guī)律表示3個階段組成。數(shù)據(jù)準(zhǔn)備是從數(shù)據(jù)中心存儲的數(shù)據(jù)中選取所需數(shù)據(jù)并整合成用于數(shù)據(jù)挖掘的數(shù)據(jù)集；規(guī)律尋找是用某種方法將數(shù)據(jù)集所含規(guī)律找出來；規(guī)律表示則是盡可能以用戶可理解的方式(如可視化)將找出的規(guī)律表示出來。
    “數(shù)據(jù)海量、信息缺乏”是相當(dāng)多企業(yè)在數(shù)據(jù)大集中之后面臨的尷尬問題。目前，大多數(shù)事物型數(shù)據(jù)庫僅實(shí)現(xiàn)了數(shù)據(jù)錄入、查詢和統(tǒng)計(jì)等較低層次的功能，無法發(fā)現(xiàn)數(shù)據(jù)中存在的有用信息，更無法進(jìn)一步通過數(shù)據(jù)分析發(fā)現(xiàn)更高的價值。如果能夠?qū)@些數(shù)據(jù)進(jìn)行分析，探尋其數(shù)據(jù)模式及特征，進(jìn)而發(fā)現(xiàn)某個客戶、群體或組織的興趣和行為規(guī)律，專業(yè)人員就可以預(yù)測到未來可能發(fā)生的變化趨勢。這樣的數(shù)據(jù)挖掘過程，將極大拓展企業(yè)核心競爭力。例如，在網(wǎng)上購物時遇到的提示“瀏覽了該商品的人還瀏覽了如下商品”，就是在對大量的購買者“行為軌跡”數(shù)據(jù)進(jìn)行記錄和挖掘分析的基礎(chǔ)上，捕捉總結(jié)購買者共性習(xí)慣行為，并針對性地利用每一次購買機(jī)會而推出的銷售策略。
    隨著社會的進(jìn)步和信息通信技術(shù)的發(fā)展，信息系統(tǒng)在各行業(yè)、各領(lǐng)域快速拓展。這些系統(tǒng)采集、處理、積累的數(shù)據(jù)越來越多，數(shù)據(jù)量增速越來越快，以至用“海量、爆炸性增長”等詞匯已無法形容數(shù)據(jù)的增長速度。
    2011年5月，全球知名咨詢公司麥肯錫全球研究院發(fā)布了一份題為《大數(shù)據(jù)：創(chuàng)新、競爭和生產(chǎn)力的。下一個新領(lǐng)域》的報告。報告中指出，數(shù)據(jù)已經(jīng)滲透到每一個行業(yè)和業(yè)務(wù)職能領(lǐng)域，逐漸成為重要的生產(chǎn)因素；而人們對于大數(shù)據(jù)的運(yùn)用預(yù)示著新一波生產(chǎn)率增長和消費(fèi)者盈余浪潮的到來。2012年3月29日，美國政府在白宮網(wǎng)站上發(fā)布了《大數(shù)據(jù)研究和發(fā)展倡議》，表示將投資2億美元啟動“大數(shù)據(jù)研究和發(fā)展計(jì)劃”，增強(qiáng)從大數(shù)據(jù)中分析萃取信息的能力。
    在電力行業(yè)，堅(jiān)強(qiáng)智能電網(wǎng)的迅速發(fā)展使信息通信技術(shù)正以前所未有的廣度、深度與電網(wǎng)生產(chǎn)、企業(yè)管理快速融合，信息通信系統(tǒng)已經(jīng)成為智能電網(wǎng)的“中樞神經(jīng)”，支撐新一代電網(wǎng)生產(chǎn)和管理發(fā)展。目前，國家電網(wǎng)公司已初步建成了國內(nèi)領(lǐng)先、國際一流的信息集成平臺。隨著三地集中式數(shù)據(jù)中心的陸續(xù)投運(yùn)，一級部署業(yè)務(wù)應(yīng)用范圍的拓展，結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)中心的上線運(yùn)行，電網(wǎng)業(yè)務(wù)數(shù)據(jù)從總量和種類上都已初具規(guī)模。隨著后續(xù)智能電表的逐步普及，電網(wǎng)業(yè)務(wù)數(shù)據(jù)將從時效性層面進(jìn)一步豐富和拓展。大數(shù)據(jù)的“量類時”特性，已在海量、實(shí)時的電網(wǎng)業(yè)務(wù)數(shù)據(jù)中進(jìn)一步凸顯，電力大數(shù)據(jù)分析迫在眉睫。
    當(dāng)前，電網(wǎng)業(yè)務(wù)數(shù)據(jù)大致分為三類：一是電力企業(yè)生產(chǎn)數(shù)據(jù)，如發(fā)電量、電壓穩(wěn)定性等方面的數(shù)據(jù)；二是電力企業(yè)運(yùn)營數(shù)據(jù)，如交易電價、售電量、用電客戶等方面的數(shù)據(jù)；三是電力企業(yè)管理數(shù)據(jù)，如erp、一體化平臺、協(xié)同辦公等方面的數(shù)據(jù)。如能充分利用這些基于電網(wǎng)實(shí)際的數(shù)據(jù)，對其進(jìn)行深入分析，便可以提供大量的高附加值服務(wù)。這些增值服務(wù)將有利于電網(wǎng)安全檢測與控制(包括大災(zāi)難預(yù)警與處理、供電與電力調(diào)度決策支持和更準(zhǔn)確的用電量預(yù)測)，客戶用電行為分析與客戶細(xì)分，電力企業(yè)精細(xì)化運(yùn)營管理等等，實(shí)現(xiàn)更科學(xué)的需求側(cè)管理。
    例如，在電力營銷環(huán)節(jié)，針對“大營銷”體系建設(shè)，以客戶和市場為導(dǎo)向，省級集中的95598客戶服務(wù)、計(jì)量檢定配送業(yè)務(wù)屬地化管理的營銷管理體系和24小時面向客戶的營銷服務(wù)系統(tǒng)，可通過數(shù)據(jù)分析改善服務(wù)模式，提高營銷能力和服務(wù)質(zhì)量；以分析型數(shù)據(jù)為基礎(chǔ)，優(yōu)化現(xiàn)有營銷組織模式，科學(xué)配置計(jì)量、收費(fèi)和服務(wù)資源，構(gòu)建營銷稽查數(shù)據(jù)監(jiān)控分析模型；建立各種針對營銷的系統(tǒng)性算法模型庫，發(fā)現(xiàn)數(shù)據(jù)中存在的隱藏關(guān)系，為各級決策者提供多維的、直觀的、全面的、深入的分析預(yù)測性數(shù)據(jù)，進(jìn)而主動把握市場動態(tài)，采取適當(dāng)?shù)臓I銷策略，獲得更大的企業(yè)效益，更好地服務(wù)于社會和經(jīng)濟(jì)發(fā)展。此外，還可以考慮在電力生產(chǎn)環(huán)節(jié)，利用數(shù)據(jù)挖掘技術(shù)，在線計(jì)算輸送功率極限，并考慮電壓等因素對功率極限的影響，從而合理設(shè)置系統(tǒng)輸出功率，有效平衡系統(tǒng)的安全性和經(jīng)濟(jì)性。
    公司具備非常好的從數(shù)據(jù)運(yùn)維角度實(shí)現(xiàn)更大程度信息、知識發(fā)現(xiàn)的條件和基礎(chǔ)，完全可以立足數(shù)據(jù)運(yùn)維服務(wù)，創(chuàng)造數(shù)據(jù)增值價值，提供并衍生多種服務(wù)。以數(shù)據(jù)中心為紐帶，新型數(shù)據(jù)運(yùn)維的成果將有可能作為一種新的消費(fèi)形態(tài)與交付方式，給客戶帶來全新的使用體驗(yàn)，打破傳統(tǒng)業(yè)務(wù)系統(tǒng)間各自為陣的局面，進(jìn)一步推動電網(wǎng)生產(chǎn)和企業(yè)管理，從數(shù)據(jù)運(yùn)維角度對企業(yè)生產(chǎn)經(jīng)營、管理以及堅(jiān)強(qiáng)智能電網(wǎng)建設(shè)提供更有力、更長遠(yuǎn)、更深入的支撐。
    這個問題太籠統(tǒng)，基本上算法和應(yīng)用是兩個人來做的，可能是數(shù)據(jù)挖掘職位。做算法的比較少，也比較高級。
    其實(shí)所謂做算法大多數(shù)時候都不是設(shè)計(jì)新的算法(這個可以寫論文了)，更多的是技術(shù)選型，特征工程抽取，最多是實(shí)現(xiàn)一些已經(jīng)有論文但是還沒有開源模塊的算法等，還是要求扎實(shí)的算法和數(shù)據(jù)結(jié)構(gòu)功底，以及豐富的分布式計(jì)算的知識的，以及不錯的英文閱讀和寫作能力。但即使是這樣也是百里挑一的，很難找到。
    絕大讀書數(shù)據(jù)挖掘崗位都是做應(yīng)用，數(shù)據(jù)清洗，用現(xiàn)成的庫建模，如果你自己不往算法或者架構(gòu)方面繼續(xù)提升，和其他的開發(fā)崗位的性質(zhì)基本沒什么不同，只要會編程都是很容易入門的。
    實(shí)際情況不太清楚，由于數(shù)據(jù)挖掘和大數(shù)據(jù)這個概念太火了，肯定到處都有人招聘響應(yīng)的崗位，但是二線城市可能僅僅是停留在概念上，很多實(shí)際的工作并沒有接觸到足夠大的數(shù)據(jù)，都是生搬硬套框架(從我面試的人的工作經(jīng)驗(yàn)上看即使是在北上廣深這種情況也比較多見)。
    只是在北上廣深，可能接觸到大數(shù)據(jù)的機(jī)會多一些。而且做數(shù)據(jù)挖掘現(xiàn)在熱點(diǎn)的技術(shù)比如python，spark，scala，r這些技術(shù)除了在一線城市之外基本上沒有足夠的市場(因?yàn)闀娜颂倭?，二線城市的公司找不到掌握這些技術(shù)的人，不招也沒人學(xué))。
    所以我推測二線城市最多的還是用java+hadoop，或者用java寫一些spark程序。北上廣深和二線城市程序員比待遇是欺負(fù)人，就不討論了。
    和傳統(tǒng)的前后端程序員相比，最主要的去別就是對編程水平的要求。從我招聘的情況來看，做數(shù)據(jù)挖掘的人編程水平要求可以降低一個檔次，甚至都不用掌握面向?qū)ο蟆?BR>    但是要求技術(shù)全面，編程、sql，linux，正則表達(dá)式，hadoop，spark，爬蟲，機(jī)器學(xué)習(xí)模型等技術(shù)都要掌握一些。前后端可能是要求精深，數(shù)據(jù)挖掘更強(qiáng)調(diào)廣博，有架構(gòu)能力更好。
    打基礎(chǔ)是最重要的，學(xué)習(xí)一門數(shù)據(jù)挖掘常用的語言，比如python，scala，r;學(xué)習(xí)足夠的linux經(jīng)驗(yàn)，能夠通過awk，grep等linux命令快速的處理文本文件。掌握sql，mysql或者postgresql都是比較常用的關(guān)系型數(shù)據(jù)庫，搞數(shù)據(jù)的別跟我說不會用數(shù)據(jù)庫。
    補(bǔ)充的一些技能，比如nosql的使用，elasticsearch的使用，分詞(jieba等模塊的使用)，算法的數(shù)據(jù)結(jié)構(gòu)的知識。
    我覺得應(yīng)當(dāng)學(xué)習(xí)，首先hadoop和hive很簡單(如果你用aws的話你可以開一臺emr，上面直接就有hadoop和hive，可以直接從使用學(xué)起)。
    我覺得如果不折騰安裝和部署，還有l(wèi)inux和mysql的經(jīng)驗(yàn)，只要半天到一天就能熟悉hadoop和hive的使用(當(dāng)然你得有l(wèi)inux和mysql的基礎(chǔ)，如果沒有就先老老實(shí)實(shí)的學(xué)linux和mysql，這兩個都可以在自己的pc上安裝，自己折騰)。
    spark對很多人來說才是需要學(xué)習(xí)的，如果你有java經(jīng)驗(yàn)大可以從java入門。如果沒有那么還是建議從scala入門，但是實(shí)際上如果沒有java經(jīng)驗(yàn)，scala入門也會有一定難度，但是可以慢慢補(bǔ)。
    所以總的來說spark才足夠難，以至于需要學(xué)習(xí)。
    如果上面任何一個問題的答案是no，我都不建議直接轉(zhuǎn)行或者申請高級的數(shù)據(jù)挖掘職位(因?yàn)槟愫茈y找到一個正經(jīng)的數(shù)據(jù)挖掘崗位，頂多是一些打擦邊球的崗位，無論是實(shí)際干的工作還是未來的成長可能對你的幫助都不大)。
    無論你現(xiàn)在是學(xué)生還是已經(jīng)再做一些前段后端、運(yùn)維之類的工作你都有足夠的時間補(bǔ)齊這些基礎(chǔ)知識。
    補(bǔ)齊了這些知識之后，第一件事就是了解大數(shù)據(jù)生態(tài)，hadoop生態(tài)圈，spark生態(tài)圈，機(jī)器學(xué)習(xí)，深度學(xué)習(xí)(后兩者需要高等數(shù)學(xué)和線性代數(shù)基礎(chǔ)，如果你的大學(xué)專業(yè)學(xué)這些不要混)。
    數(shù)據(jù)挖掘論文摘要篇七
    隨著互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展，尤其移動互聯(lián)網(wǎng)的爆發(fā)性發(fā)展，越來越多的公司憑借其備受歡迎的系統(tǒng)和app如雨后春筍般發(fā)展起來，如滴滴打車、共享單車等。海量數(shù)據(jù)自此不再是google等大公司的專利，越來越多的中小型企業(yè)也可以擁有海量數(shù)據(jù)。如何從浩如煙海的數(shù)據(jù)中挖掘出令人感興趣和有用的知識，成為越來越多的公司急需解決的問題。因此，他們對數(shù)據(jù)挖掘分析師求賢若渴。在這一社會需求下，培養(yǎng)出優(yōu)秀的數(shù)據(jù)挖掘分析師，是各個高校目前急需完成的一項(xiàng)任務(wù)。
    目前，各大高等院校本科階段爭相開設(shè)數(shù)據(jù)挖掘課程。然而，該課程是一門相對較新的交叉學(xué)科，涵蓋了概率統(tǒng)計(jì)、機(jī)器學(xué)習(xí)、數(shù)據(jù)庫等學(xué)科的知識內(nèi)容，難度較大。因此，大部分高校一般將此課程開設(shè)在研究生階段，在本科生中開設(shè)此課程的學(xué)校相對較少。另外，不同的學(xué)校將其歸入不同的專業(yè)中，如計(jì)算機(jī)專業(yè)、信息管理專業(yè)、統(tǒng)計(jì)學(xué)、醫(yī)學(xué)等?？梢哉f，這一課程基本上處于探索的過程中。我院災(zāi)害信息系于20xx年在信息管理與信息系統(tǒng)本科學(xué)生中首次開設(shè)了該課程。通過開設(shè)此課程，學(xué)生能夠掌握數(shù)據(jù)挖掘的基本原理和各種挖掘算法等，掌握數(shù)據(jù)分析和處理、高級數(shù)據(jù)庫編程等技能，達(dá)到數(shù)據(jù)聚類、分類、關(guān)聯(lián)分析的目的。然而，通過前期教學(xué)過程，我們發(fā)現(xiàn)教學(xué)效果不理想，存在很多問題。
    1、數(shù)據(jù)內(nèi)驅(qū)力差。
    以往數(shù)據(jù)挖掘課程重點(diǎn)講授數(shù)據(jù)挖掘算法，對數(shù)據(jù)源的獲取和處理極少獲取。目前各大教材都在使用一些公共數(shù)據(jù)資源，這些數(shù)據(jù)資源有些已經(jīng)非常陳舊了，比如20世紀(jì)80年代的加州房價數(shù)據(jù)。這些數(shù)據(jù)脫離現(xiàn)實(shí)，分析這些數(shù)據(jù)，學(xué)生沒有任何興趣和學(xué)習(xí)動力，也就無法發(fā)現(xiàn)價值。
    大量具有難度的數(shù)據(jù)挖掘算法的學(xué)習(xí)，使學(xué)生喪失了學(xué)習(xí)興趣，學(xué)完即忘，不知所用。
    3、忽視對數(shù)據(jù)預(yù)處理過程的學(xué)習(xí)。
    以往所使用的公共數(shù)據(jù)源或軟件自帶數(shù)據(jù)源，數(shù)據(jù)量小，需要的預(yù)處理工作比較少；這部分內(nèi)容基本只安排一次理論課、一次實(shí)驗(yàn)課。而實(shí)際通過爬蟲獲取的數(shù)據(jù)源數(shù)據(jù)量大；這部分工作量比較大，需要占到整個數(shù)據(jù)挖掘工作量的一半以上。因此，一次理論課和一次實(shí)驗(yàn)課是無法讓學(xué)生掌握數(shù)據(jù)預(yù)處理技能的。
    4、算法編程實(shí)現(xiàn)難度較大。
    要求學(xué)生學(xué)習(xí)一門新的編程語言，如r語言、python語言，對本科非計(jì)算機(jī)專業(yè)的學(xué)生來說難度是非常大的，尤其是課時安排只有48課時。
    學(xué)生能夠理解課堂案例，但在實(shí)際應(yīng)用中，無法完成整個數(shù)據(jù)分析流程。
    該課程的教學(xué)對象是信息管理與信息系統(tǒng)專業(yè)本科大四學(xué)生。因此，培養(yǎng)實(shí)際應(yīng)用人才，使其完成整個實(shí)際數(shù)據(jù)挖掘分析流程是教師的教學(xué)目的。筆者對智聯(lián)招聘、中華英才網(wǎng)、51job等幾個大型招聘網(wǎng)站的幾百個數(shù)據(jù)挖掘分析師相關(guān)職位進(jìn)行分析，主要分析了相關(guān)職位的工作內(nèi)容、職位要求以及需求企業(yè)。數(shù)據(jù)分析師主要利用數(shù)據(jù)挖掘工具對運(yùn)營數(shù)據(jù)等多種數(shù)據(jù)源進(jìn)行預(yù)處理、建模、挖掘、分析及優(yōu)化。該職位是受業(yè)務(wù)驅(qū)動的，特點(diǎn)是將現(xiàn)有數(shù)據(jù)與業(yè)務(wù)相結(jié)合，最大程度地變現(xiàn)數(shù)據(jù)價值。該職位對計(jì)算機(jī)編程等相關(guān)技術(shù)不作要求，但是需要有深厚的數(shù)據(jù)挖掘理論基礎(chǔ)，熟練使用主流的數(shù)據(jù)挖掘（或統(tǒng)計(jì)分析）工具。基于此，教師可以采取以下策略進(jìn)行教學(xué)改革。
    1、加強(qiáng)對業(yè)務(wù)數(shù)據(jù)的理解。
    數(shù)據(jù)挖掘分析師是受業(yè)務(wù)驅(qū)動的，所以要理解實(shí)際業(yè)務(wù)，明確本次數(shù)據(jù)挖掘要解決什么問題。教師可以構(gòu)建案例庫，包括教師案例庫、學(xué)生討論案例庫。教師案例庫由教師構(gòu)建，可用于課堂講授。學(xué)生案例庫由學(xué)生分組構(gòu)建，并安排討論課，由學(xué)生講述、討論并提交報告。
    2、加強(qiáng)對數(shù)據(jù)的獲取。
    對學(xué)生感興趣的數(shù)據(jù)源進(jìn)行挖掘，這樣才能更好地幫助學(xué)生理解吸收知識。因此，可以教授學(xué)生爬蟲技術(shù)，編寫爬蟲程序，使其自主獲取感興趣的數(shù)據(jù)。
    3、加強(qiáng)對數(shù)據(jù)的預(yù)處理工作。
    在數(shù)據(jù)挖掘之前使用數(shù)據(jù)預(yù)處理技術(shù)，能夠顯著提高數(shù)據(jù)挖掘模式的質(zhì)量，降低實(shí)際挖掘所需要的時間，應(yīng)將其作為整門課程的重點(diǎn)進(jìn)行學(xué)習(xí)。增加理論課程和實(shí)驗(yàn)課時，使學(xué)生掌握數(shù)據(jù)清理、數(shù)據(jù)集成、數(shù)據(jù)變換、數(shù)據(jù)歸納等數(shù)據(jù)預(yù)處理技術(shù)，并能夠應(yīng)對各種復(fù)雜數(shù)據(jù)源，最終利用爬蟲程序獲取的各種數(shù)據(jù)源進(jìn)行預(yù)處理工作。
    教師可以選擇spssmodeler這款所見即所得的數(shù)據(jù)挖掘軟件作為配套實(shí)驗(yàn)平臺。該軟件具有必需的數(shù)據(jù)預(yù)處理工具及預(yù)設(shè)的挖掘算法，學(xué)生可以把注意力放在要挖掘的數(shù)據(jù)及相關(guān)需求上，設(shè)定挖掘的主題，然后通過鼠標(biāo)的點(diǎn)擊拖拉即可完成相關(guān)主題的數(shù)據(jù)挖掘過程。學(xué)生最終可對自己獲取并已處理過的數(shù)據(jù)進(jìn)行挖掘分析。
    5、加強(qiáng)教師外出培訓(xùn)學(xué)習(xí)。
    數(shù)據(jù)挖掘技術(shù)以及大數(shù)據(jù)技術(shù)是近來比較新穎而且發(fā)展迅速的技術(shù)。教師長期身處三尺講臺之上，遠(yuǎn)離了新技術(shù)，脫離了實(shí)際。因此，需派遣教師到知名高校學(xué)習(xí)數(shù)據(jù)挖掘教學(xué)技術(shù)，到培訓(xùn)機(jī)構(gòu)進(jìn)行系統(tǒng)學(xué)習(xí)，到企業(yè)進(jìn)行實(shí)戰(zhàn)學(xué)習(xí)。
    基于以上分析，形成了新的數(shù)據(jù)挖掘理論課程內(nèi)容和實(shí)踐課程內(nèi)容，安排如表1和表2所示。共安排48學(xué)時，其中理論課24學(xué)時，實(shí)驗(yàn)課24學(xué)時。理論課重點(diǎn)講授數(shù)據(jù)的獲取、數(shù)據(jù)的理解、數(shù)據(jù)的預(yù)處理以及常用挖掘算法。實(shí)驗(yàn)課重點(diǎn)學(xué)習(xí)基于spssmodeler的數(shù)據(jù)挖掘，對理論課的內(nèi)容進(jìn)行實(shí)踐。整個學(xué)習(xí)以工程項(xiàng)目為載體，該工程貫穿整個學(xué)習(xí)過程。學(xué)生通過爬蟲程序獲取自己感興趣的數(shù)據(jù)源，根據(jù)課程進(jìn)度，逐步完成后續(xù)數(shù)據(jù)的理解，再進(jìn)行預(yù)處理，建模分析，評估整個過程。在課程結(jié)束時，完成整個項(xiàng)目，并提交報告。
    在數(shù)字時代，越來越多的企業(yè)急需數(shù)據(jù)挖掘分析人才。教師應(yīng)以培養(yǎng)實(shí)際應(yīng)用人才為目的，充分培養(yǎng)學(xué)生對數(shù)據(jù)挖掘的學(xué)習(xí)興趣，以工程項(xiàng)目為載體，貫穿整個課程周期。在教學(xué)中，打牢數(shù)據(jù)獲取、理解預(yù)處理這一基石，加強(qiáng)建模挖掘分析，弱化對晦澀算法的編程學(xué)習(xí)，使學(xué)生真正掌握數(shù)據(jù)挖掘技術(shù)，滿足社會需求。
    數(shù)據(jù)挖掘論文摘要篇八
    摘要：大數(shù)據(jù)和智游都是當(dāng)下的熱點(diǎn)，沒有大數(shù)據(jù)的智游無從談“智慧”，數(shù)據(jù)挖掘是大數(shù)據(jù)應(yīng)用于智游的核心，文章探究了在智游應(yīng)用中，目前大數(shù)據(jù)挖掘存在的幾個問題。
    隨著人民生活水平的進(jìn)一步提高，旅游消費(fèi)的需求進(jìn)一步上升，在云計(jì)算、互聯(lián)網(wǎng)、物聯(lián)網(wǎng)以及移動智能終端等信息通訊技術(shù)的飛速發(fā)展下，智游應(yīng)運(yùn)而生。大數(shù)據(jù)作為當(dāng)下的熱點(diǎn)已經(jīng)成了智游發(fā)展的有力支撐，沒有大數(shù)據(jù)提供的有利信息，智游無法變得“智慧”。
    旅游業(yè)是信息密、綜合性強(qiáng)、信息依存度高的產(chǎn)業(yè)[1]，這讓其與大數(shù)據(jù)自然產(chǎn)生了交匯。2010年，江蘇省鎮(zhèn)江市首先提出“智游”的概念，雖然至今國內(nèi)外對于智游還沒有一個統(tǒng)一的學(xué)術(shù)定義，但在與大數(shù)據(jù)相關(guān)的描述中，有學(xué)者從大數(shù)據(jù)挖掘在智游中的作用出發(fā)，把智游描述為:通過充分收集和管理所有類型和來源的旅游數(shù)據(jù)，并深入挖掘這些數(shù)據(jù)的潛在重要價值信息，然后利用這些信息為相關(guān)部門或?qū)ο筇峁┓?wù)[2]。這一定義充分肯定了在發(fā)展智游中，大數(shù)據(jù)挖掘所起的至關(guān)重要的作用，指出了在智游的過程中，數(shù)據(jù)的收集、儲存、管理都是為數(shù)據(jù)挖掘服務(wù)，智游最終所需要的是利用挖掘所得的有用信息。
    2011年，我國提出用十年時間基本實(shí)現(xiàn)智游的目標(biāo)[3]，過去幾年，國家旅游局的相關(guān)動作均為了實(shí)現(xiàn)這一目標(biāo)。但是，在借助大數(shù)據(jù)推動智游的可持續(xù)性發(fā)展中，大數(shù)據(jù)所產(chǎn)生的價值卻亟待提高，原因之一就是在收集、儲存了大量數(shù)據(jù)后，對它們深入挖掘不夠，沒有發(fā)掘出數(shù)據(jù)更多的價值。
    智游的發(fā)展離不開移動網(wǎng)絡(luò)、物聯(lián)網(wǎng)、云平臺。隨著大數(shù)據(jù)的不斷發(fā)展，國內(nèi)許多景區(qū)已經(jīng)實(shí)現(xiàn)wi-fi覆蓋，部分景區(qū)也已實(shí)現(xiàn)人與人、人與物、人與景點(diǎn)之間的實(shí)時互動，多省市已建有旅游產(chǎn)業(yè)監(jiān)測平臺或旅游大數(shù)據(jù)中心以及數(shù)據(jù)可視化平臺，從中進(jìn)行數(shù)據(jù)統(tǒng)計(jì)、行為分析、監(jiān)控預(yù)警、服務(wù)質(zhì)量監(jiān)督等。通過這些平臺，已基本能掌握跟游客和景點(diǎn)相關(guān)的數(shù)據(jù)，可以實(shí)現(xiàn)更好旅游監(jiān)控、產(chǎn)業(yè)宏觀監(jiān)控，對該地的旅游管理和推廣都能發(fā)揮重要作用。
    但從智慧化的發(fā)展來看，我國的信息化建設(shè)還需加強(qiáng)。雖然通訊網(wǎng)絡(luò)已基本能保證，但是大部分景區(qū)還無法實(shí)現(xiàn)對景區(qū)全面、透徹、及時的感知，更為困難的是對平臺的建設(shè)。在數(shù)據(jù)共享平臺的建設(shè)上，除了必備的硬件設(shè)施，大數(shù)據(jù)實(shí)驗(yàn)平臺還涉及大量部門，如政府管理部門、氣象部門、交通、電子商務(wù)、旅行社、旅游網(wǎng)站等。如此多的部門相關(guān)聯(lián)，要想建立一個完整全面的大數(shù)據(jù)實(shí)驗(yàn)平臺，難度可想而知。
    大數(shù)據(jù)時代缺的不是數(shù)據(jù)，而是方法。大數(shù)據(jù)在旅游行業(yè)的應(yīng)用前景非常廣闊，但是面對大量的數(shù)據(jù)，不懂如何收集有用的數(shù)據(jù)、不懂如何對數(shù)據(jù)進(jìn)行挖掘和利用，那么“大數(shù)據(jù)”猶如礦山之中的廢石。旅游行業(yè)所涉及的結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)，通過云計(jì)算技術(shù)，對數(shù)據(jù)的收集、存儲都較為容易，但對數(shù)據(jù)的挖掘分析則還在不斷探索中。大數(shù)據(jù)的挖掘常用的方法有關(guān)聯(lián)分析，相似度分析，距離分析，聚類分析等等，這些方法從不同的角度對數(shù)據(jù)進(jìn)行挖掘。其中，相關(guān)性分析方法通過關(guān)聯(lián)多個數(shù)據(jù)來源，挖掘數(shù)據(jù)價值。但針對旅游數(shù)據(jù)，采用這些方法挖掘數(shù)據(jù)的價值信息，難度也很大，因?yàn)槁糜螖?shù)據(jù)中冗余數(shù)據(jù)很多，數(shù)據(jù)存在形式很復(fù)雜。在旅游非結(jié)構(gòu)化數(shù)據(jù)中，一張圖片、一個天氣變化、一次輿情評價等都將會對游客的旅行計(jì)劃帶來影響。對這些數(shù)據(jù)完全挖掘分析，對游客“行前、行中、行后”大數(shù)據(jù)的實(shí)時性挖掘都是很大的挑戰(zhàn)。
    2017年，數(shù)據(jù)安全事件屢見不鮮，伴著大數(shù)據(jù)而來的數(shù)據(jù)安全問題日益凸顯出來。在大數(shù)據(jù)時代，無處不在的數(shù)據(jù)收集技術(shù)使我們的個人信息在所關(guān)聯(lián)的數(shù)據(jù)中心留下痕跡，如何保證這些信息被合法合理使用，讓數(shù)據(jù)“可用不可見”[4]，這是亟待解決的問題。同時，在大數(shù)據(jù)資源的開放性和共享性下，個人隱私和公民權(quán)益受到嚴(yán)重威脅。這一矛盾的存在使數(shù)據(jù)共享程度與數(shù)據(jù)挖掘程度成反比。此外，經(jīng)過大數(shù)據(jù)技術(shù)的分析、挖掘，個人隱私更易被發(fā)現(xiàn)和暴露，從而可能引發(fā)一系列社會問題。
    大數(shù)據(jù)背景下的旅游數(shù)據(jù)當(dāng)然也避免不了數(shù)據(jù)的安全問題。如果游客“吃、住、行、游、娛、購”的數(shù)據(jù)被放入數(shù)據(jù)庫，被完全共享、挖掘、分析，那游客的人身財(cái)產(chǎn)安全將會受到嚴(yán)重影響，最終降低旅游體驗(yàn)。所以，數(shù)據(jù)的安全管理是進(jìn)行大數(shù)據(jù)挖掘的前提。
    大數(shù)據(jù)背景下的智游離不開人才的創(chuàng)新活動及技術(shù)支持，然而與專業(yè)相銜接的大數(shù)據(jù)人才培養(yǎng)未能及時跟上行業(yè)需求，加之創(chuàng)新型人才的外流，以及數(shù)據(jù)統(tǒng)計(jì)未來3~5年大數(shù)據(jù)行業(yè)將面臨全球性的人才荒，國內(nèi)智游的構(gòu)建還缺乏大量人才。
    在信息化建設(shè)上，加大政府投入，加強(qiáng)基礎(chǔ)設(shè)施建設(shè)，整合結(jié)構(gòu)化數(shù)據(jù)，抓取非結(jié)構(gòu)化數(shù)據(jù)，打通各數(shù)據(jù)壁壘，建設(shè)旅游大數(shù)據(jù)實(shí)驗(yàn)平臺；在挖掘方法上，對旅游大數(shù)據(jù)實(shí)時性數(shù)據(jù)的挖掘應(yīng)該被放在重要位置；在數(shù)據(jù)安全上，從加強(qiáng)大數(shù)據(jù)安全立法、監(jiān)管執(zhí)法及強(qiáng)化技術(shù)手段建設(shè)等幾個方面著手，提升大數(shù)據(jù)環(huán)境下數(shù)據(jù)安全保護(hù)水平。加強(qiáng)人才的培養(yǎng)與引進(jìn)，加強(qiáng)產(chǎn)學(xué)研合作，培養(yǎng)智游大數(shù)據(jù)人才。
    參考文獻(xiàn)。
    數(shù)據(jù)挖掘論文摘要篇九
    網(wǎng)絡(luò)的發(fā)展帶動了電子商務(wù)市場的繁華，大量的商品、信息在現(xiàn)有的網(wǎng)絡(luò)平臺上患上以交易，大大簡化了傳統(tǒng)的交易方式，節(jié)儉了時間，提高了效力，但電子市場繁華違后暗藏的問題，同樣成為人們關(guān)注的焦點(diǎn)，凸起表現(xiàn)在海量信息的有效應(yīng)用上，如何更為有效的管理應(yīng)用潛伏信息，使他們的最大功效患上以施展，成為人們現(xiàn)在鉆研的重點(diǎn)，數(shù)據(jù)發(fā)掘技術(shù)的發(fā)生，在必定程度上解決了這個問題，但它也存在著問題，需要不斷改善。
    數(shù)據(jù)發(fā)掘（datamining）就是從大量的、不完整的、有噪聲的、隱約的、隨機(jī)的原始數(shù)據(jù)中，提取隱含在其中的、人們事前不知道的、但又是潛伏有用的信息以及知識的進(jìn)程。或者者說是從數(shù)據(jù)庫中發(fā)現(xiàn)有用的知識（kdd），并進(jìn)行數(shù)據(jù)分析、數(shù)據(jù)融會（datafusion）和決策支撐的進(jìn)程。數(shù)據(jù)發(fā)掘是1門廣義的交叉學(xué)科，它匯聚了不同領(lǐng)域的鉆研者，特別是數(shù)據(jù)庫、人工智能、數(shù)理統(tǒng)計(jì)、可視化、并行計(jì)算等方面的學(xué)者以及工程技術(shù)人員。
    數(shù)據(jù)發(fā)掘技術(shù)在電子商務(wù)的利用。
    在對于web的客戶走訪信息的發(fā)掘中，應(yīng)用分類技術(shù)可以在internet上找到未來的潛伏客戶。使用者可以先對于已經(jīng)經(jīng)存在的走訪者依據(jù)其行動進(jìn)行分類，并依此分析老客戶的1些公共屬性，抉擇他們分類的癥結(jié)屬性及互相間瓜葛。對于于1個新的走訪者，通過在web上的分類發(fā)現(xiàn)，辨認(rèn)出這個客戶與已經(jīng)經(jīng)分類的老客戶的1些公共的描寫，從而對于這個新客戶進(jìn)行正確的分類。然后從它的分類判斷這個新客戶是有益可圖的客戶群仍是無利可圖的客戶群，抉擇是不是要把這個新客戶作為潛伏的客戶來對于待?？蛻舻念愋涂隙ê螅梢詫τ诳蛻魟討B(tài)地展現(xiàn)web頁面，頁面的內(nèi)容取決于客戶與銷售商提供的產(chǎn)品以及服務(wù)之間的關(guān)聯(lián)。若為潛伏客戶，就能夠向這個客戶展現(xiàn)1些特殊的、個性化的頁面內(nèi)容。
    在電子商務(wù)中，傳統(tǒng)客戶與銷售商之間的空間距離已經(jīng)經(jīng)不存在，在internet上，每一1個銷售商對于于客戶來講都是1樣的，那末使客戶在自己的銷售站點(diǎn)上駐留更長的時間，對于銷售商來講則是1個挑戰(zhàn)。為了使客戶在自己的網(wǎng)站上駐留更長的時間，就應(yīng)當(dāng)全面掌握客戶的閱讀行動，知道客戶的興致及需求所在，并依據(jù)需求動態(tài)地向客戶做頁面舉薦，調(diào)劑web頁面，提供獨(dú)有的1些商品信息以及廣告，以使客戶滿意，從而延長客戶在自己的網(wǎng)站上的駐留的時間。
    數(shù)據(jù)發(fā)掘技術(shù)可提高站點(diǎn)的效力，web設(shè)計(jì)者再也不完整依托專家的定性指點(diǎn)來設(shè)計(jì)網(wǎng)站，而是依據(jù)走訪者的信息特征來修改以及設(shè)計(jì)網(wǎng)站結(jié)構(gòu)以及外觀。站點(diǎn)上頁面內(nèi)容的支配以及連接就如超級市場中物品的貨架左右1樣，把擁有必定支撐度以及信任度的相干聯(lián)的物品擺放在1起有助于銷售。網(wǎng)站盡量做到讓客戶等閑地走訪到想走訪的頁面，給客戶留下好的印象，增添下次走訪的機(jī)率。
    通過web數(shù)據(jù)發(fā)掘，企業(yè)可以分析顧客的將來行動，容易評測市場投資回報率，患上到可靠的市場反饋信息。不但大大降低公司的運(yùn)營本錢，而且便于經(jīng)營決策的制訂。
    數(shù)據(jù)發(fā)掘在利用中面臨的問題。
    一數(shù)據(jù)發(fā)掘分析變量的選擇。
    數(shù)據(jù)發(fā)掘的基本問題就在于數(shù)據(jù)的數(shù)量以及維數(shù)，數(shù)據(jù)結(jié)構(gòu)顯的無比繁雜，數(shù)據(jù)分析變量即是在數(shù)據(jù)發(fā)掘中技術(shù)利用中發(fā)生的，選擇適合的分析變量，將提高數(shù)據(jù)發(fā)掘的效力，尤其合用于電子商務(wù)中大量商品和用戶信息的處理。
    針對于這1問題，咱們完整可以用分類的法子，分析出不同信息的屬性和呈現(xiàn)頻率進(jìn)而抽象出變量，運(yùn)用到所選模型中，進(jìn)行分析。
    二數(shù)據(jù)抽取的法子的選擇。
    數(shù)據(jù)抽取的目的是對于數(shù)據(jù)進(jìn)行濃縮，給出它的緊湊描寫，如乞降值、平均值、方差值、等統(tǒng)計(jì)值、或者者用直方圖、餅狀圖等圖形方式表示，更主要的是他從數(shù)據(jù)泛化的角度來討論數(shù)據(jù)總結(jié)。數(shù)據(jù)泛化是1種把最原始、最基本的信息數(shù)據(jù)從低層次抽象到高層次上的進(jìn)程?？刹扇《嗑S數(shù)據(jù)分析法子以及面向?qū)傩缘臍w納法子。
    三數(shù)據(jù)趨勢的。預(yù)測。
    數(shù)據(jù)是海量的，那末數(shù)據(jù)中就會隱含必定的變化趨勢，在電子商務(wù)中對于數(shù)據(jù)趨勢的預(yù)測尤為首要，尤其是對于客戶信息和商品信息公道的預(yù)測，有益于企業(yè)有效的決策，取得更多地利潤。但如何對于這1趨勢做出公道的預(yù)測，現(xiàn)在尚無統(tǒng)1標(biāo)準(zhǔn)可尋，而且在進(jìn)行數(shù)據(jù)發(fā)掘進(jìn)程中大量數(shù)據(jù)構(gòu)成文本后格式的非標(biāo)準(zhǔn)化，也給數(shù)據(jù)的有效發(fā)掘帶來了難題。
    針對于這1問題的發(fā)生，咱們在電子商務(wù)中可以利用聚類分析的法子，把擁有類似閱讀模式的用戶集中起來，對于其進(jìn)行詳細(xì)的分析，從而提供更合適、更令用戶滿意的服務(wù)。聚類分析法子的優(yōu)勢在于便于用戶在查看日志時對于商品及客戶信息有全面及清晰的把握，便于開發(fā)以及執(zhí)行未來的市場戰(zhàn)略，包含自動給1個特定的顧客聚類發(fā)送銷售郵件，為1個顧客聚類動態(tài)地扭轉(zhuǎn)1個特殊的站點(diǎn)等，這不管對于客戶以及銷售商來講都是成心義。
    四數(shù)據(jù)模型的可靠性。
    數(shù)據(jù)模型包含概念數(shù)據(jù)模型、邏輯數(shù)據(jù)模型、物理模型。數(shù)據(jù)發(fā)掘的模型目前也有多種，包含采集模型、處理模型及其他模型，但不管哪一種模型都不是很成熟存在缺點(diǎn)，對于數(shù)據(jù)模型不同采取不同的方式利用。可能發(fā)生不同的結(jié)果，乃至差異很大，因而這就觸及到數(shù)據(jù)可靠性的問題。數(shù)據(jù)的可靠性對于于電子商務(wù)來講尤為首要作用。
    針對于這1問題，咱們要保障數(shù)據(jù)在發(fā)掘進(jìn)程中的可靠性，保證它的準(zhǔn)確性與實(shí)時性，進(jìn)而使其在最后的結(jié)果中的準(zhǔn)確度到達(dá)最高，同時在利用模型進(jìn)程中要盡可能全面的分析問題，防止片面，而且分析結(jié)果要由多人進(jìn)行評價，從而最大限度的保證數(shù)據(jù)的可靠性。
    五數(shù)據(jù)發(fā)掘觸及到數(shù)據(jù)的私有性以及安全性。
    大量的數(shù)據(jù)存在著私有性與安全性的問題，尤其是電子商務(wù)中的各種信息，這就給數(shù)據(jù)發(fā)掘造成為了必定的阻礙，如何解決這1問題成了技術(shù)在利用中的癥結(jié)。
    為此相干人員在進(jìn)行數(shù)據(jù)發(fā)掘進(jìn)程中必定要遵照職業(yè)道德，保障信息的秘要性。
    六數(shù)據(jù)發(fā)掘結(jié)果的不肯定性。
    數(shù)據(jù)發(fā)掘結(jié)果擁有不肯定性的特征，由于發(fā)掘的目的不同所以最后發(fā)掘的結(jié)果自然也會千差萬別，以因而這就需要咱們與所要發(fā)掘的目的相結(jié)合，做出公道判斷，患上出企業(yè)所需要的信息，便于企業(yè)的決策選擇。進(jìn)而到達(dá)提高企業(yè)經(jīng)濟(jì)效益，取得更多利潤的目的。
    數(shù)據(jù)發(fā)掘可以發(fā)現(xiàn)1些潛伏的用戶，對于于電子商務(wù)來講是1個不可或者缺的技術(shù)支撐，數(shù)據(jù)發(fā)掘的勝利請求使用者對于指望解決問題的領(lǐng)域有深入的了解，數(shù)據(jù)發(fā)掘技術(shù)在必定程度上解決了電子商務(wù)信息不能有效應(yīng)用的問題，但它在運(yùn)用進(jìn)程中呈現(xiàn)的問題也亟待人們?nèi)ソ鉀Q。相信數(shù)據(jù)發(fā)掘技術(shù)的改良將推動電子商務(wù)的深刻發(fā)展。
    數(shù)據(jù)挖掘論文摘要篇十
    [1]劉瑩。基于數(shù)據(jù)挖掘的商品銷售預(yù)測分析[j].科技通報。20xx(07)。
    [2]姜曉娟，郭一娜?；诟倪M(jìn)聚類的電信客戶流失預(yù)測分析[j].太原理工大學(xué)學(xué)報。20xx(04)。
    [3]李欣海。隨機(jī)森林模型在分類與回歸分析中的應(yīng)用[j].應(yīng)用昆蟲學(xué)報。20xx(04)。
    [4]朱志勇，徐長梅，劉志兵，胡晨剛?；谪惾~斯網(wǎng)絡(luò)的客戶流失分析研究[j].計(jì)算機(jī)工程與科學(xué)。20xx(03)。
    [5]翟健宏，李偉，葛瑞海，楊茹?；诰垲惻c貝葉斯分類器的網(wǎng)絡(luò)節(jié)點(diǎn)分組算法及評價模型[j].電信科學(xué)。20xx(02)。
    [6]王曼，施念，花琳琳，楊永利。成組刪除法和多重填補(bǔ)法對隨機(jī)缺失的二分類變量資料處理效果的比較[j].鄭州大學(xué)學(xué)報(醫(yī)學(xué)版).20xx(05)。
    [7]黃杰晟，曹永鋒。挖掘類改進(jìn)決策樹[j].現(xiàn)代計(jì)算機(jī)(專業(yè)版).20xx(01)。
    [8]李凈，張范，張智江。數(shù)據(jù)挖掘技術(shù)與電信客戶分析[j].信息通信技術(shù)。20xx(05)。
    [9]武曉巖，李康?；虮磉_(dá)數(shù)據(jù)判別分析的隨機(jī)森林方法[j].中國衛(wèi)生統(tǒng)計(jì)。20xx(06)。
    [10]張璐。論信息與企業(yè)競爭力[j].現(xiàn)代情報。20xx(01)。
    [13]俞馳。基于網(wǎng)絡(luò)數(shù)據(jù)挖掘的客戶獲取系統(tǒng)研究[d].西安電子科技大學(xué)20xx。
    [14]馮軍。數(shù)據(jù)挖掘在自動外呼系統(tǒng)中的應(yīng)用[d].北京郵電大學(xué)20xx。
    [15]于寶華?；跀?shù)據(jù)挖掘的高考數(shù)據(jù)分析[d].天津大學(xué)20xx。
    [16]王仁彥。數(shù)據(jù)挖掘與網(wǎng)站運(yùn)營管理[d].華東師范大學(xué)20xx。
    [19]賈治國。數(shù)據(jù)挖掘在高考填報志愿上的應(yīng)用[d].內(nèi)蒙古大學(xué)20xx。
    [22]阮偉玲。面向生鮮農(nóng)產(chǎn)品溯源的基層數(shù)據(jù)庫建設(shè)[d].成都理工大學(xué)20xx。
    [23]明慧。復(fù)合材料加工工藝數(shù)據(jù)庫構(gòu)建及數(shù)據(jù)集成[d].大連理工大學(xué)20xx。
    [25]岳雪。基于海量數(shù)據(jù)挖掘關(guān)聯(lián)測度工具的設(shè)計(jì)[d].西安財(cái)經(jīng)學(xué)院20xx。
    [28]張曉東。全序模塊模式下范式分解問題研究[d].哈爾濱理工大學(xué)20xx。
    [30]王化楠。一種新的混合遺傳的基因聚類方法[d].大連理工大學(xué)20xx。
    [33]俞馳?；诰W(wǎng)絡(luò)數(shù)據(jù)挖掘的客戶獲取系統(tǒng)研究[d].西安電子科技大學(xué)20xx。
    [34]馮軍。數(shù)據(jù)挖掘在自動外呼系統(tǒng)中的應(yīng)用[d].北京郵電大學(xué)20xx。
    [35]于寶華?；跀?shù)據(jù)挖掘的高考數(shù)據(jù)分析[d].天津大學(xué)20xx。
    [36]王仁彥。數(shù)據(jù)挖掘與網(wǎng)站運(yùn)營管理[d].華東師范大學(xué)20xx。
    [39]賈治國。數(shù)據(jù)挖掘在高考填報志愿上的應(yīng)用[d].內(nèi)蒙古大學(xué)20xx。
    數(shù)據(jù)挖掘論文摘要篇十一
    摘要：主要通過對數(shù)據(jù)挖掘技術(shù)的探討，對職教多年累積的教學(xué)數(shù)據(jù)運(yùn)用分類、決策樹、關(guān)聯(lián)規(guī)則等技術(shù)進(jìn)行分析，從分析的結(jié)果中發(fā)現(xiàn)有價值的數(shù)據(jù)模式，科學(xué)合理地實(shí)現(xiàn)教學(xué)評估，讓教學(xué)管理者能夠從中發(fā)現(xiàn)教學(xué)活動中存在的主要問題以便及時改進(jìn)，進(jìn)而輔助管理者決策做好教學(xué)管理。
    關(guān)鍵詞：教學(xué)評估；數(shù)據(jù)挖掘；教學(xué)評估體系；層次分析法。
    1概述。
    近年來國家對中等職業(yè)教育的發(fā)展高度重視，在政策扶持與職教工作者的努力下，職業(yè)教育獲得了蓬勃的發(fā)展。如何提高教學(xué)質(zhì)量、培養(yǎng)合格的高技術(shù)人才成為職教工作者研究的課題。各種調(diào)查研究結(jié)果表明：加強(qiáng)師資隊(duì)伍的建設(shè)，強(qiáng)化教師教學(xué)評估對教學(xué)質(zhì)量的提高尤為重要。
    所謂教學(xué)評估，就是運(yùn)用系統(tǒng)科學(xué)的方法對教學(xué)活動或教育行為的價值、效果作出科學(xué)的判斷過程。教學(xué)評估方式要靈活多樣，要多途徑、多方位、多形式的發(fā)揮評估的導(dǎo)學(xué)作用，以鼓勵評估為主，充分發(fā)揮評估的激勵功能，促進(jìn)教學(xué)的健康發(fā)展。
    在中等職業(yè)學(xué)校多年的教育教學(xué)工作中積累了大量的教務(wù)管理數(shù)據(jù)、教師檔案數(shù)據(jù)等，怎樣從龐雜大量的數(shù)據(jù)中挖掘出有效提高教學(xué)質(zhì)量的關(guān)鍵因素是個難題。數(shù)據(jù)挖掘技術(shù)卻可以從人工智能的角度很好地解決這一課題。通過數(shù)據(jù)挖掘技術(shù)，得到隱藏在教學(xué)數(shù)據(jù)背后的有用信息，在一定程度上為教學(xué)部門提供決策支持信息促使更好地開展教學(xué)工作，提高教學(xué)質(zhì)量和教學(xué)管理水平，使之能在功能上更加清晰地認(rèn)識教師教與學(xué)生學(xué)的關(guān)系及促進(jìn)教育教學(xué)改革。
    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的過程。數(shù)據(jù)挖掘應(yīng)該更正確地命名為“從數(shù)據(jù)中挖掘知識”。即數(shù)據(jù)挖掘是對巨大的數(shù)據(jù)集進(jìn)行尋找和分析的計(jì)算機(jī)輔助處理過程，在這一過程中顯現(xiàn)先前未曾發(fā)現(xiàn)的模式，然后從這些數(shù)據(jù)中發(fā)掘某些內(nèi)涵信息，包括描述過去和預(yù)測未來趨勢的信息。人工智能領(lǐng)域習(xí)慣稱知識發(fā)現(xiàn)，而數(shù)據(jù)庫領(lǐng)域習(xí)慣將其稱為數(shù)據(jù)挖掘。
    數(shù)據(jù)挖掘過程包括對問題的理解和提出、數(shù)據(jù)收集、數(shù)據(jù)處理、數(shù)據(jù)變換、數(shù)據(jù)挖掘、模式評估、知識表示等過程，以上的過程不是一次完成的，其中某些步驟或者全過程可能要反復(fù)進(jìn)行。對問題的理解和提出在開始數(shù)據(jù)挖掘之前，最基礎(chǔ)的工作就是理解數(shù)據(jù)和實(shí)際的業(yè)務(wù)問題，在這個基礎(chǔ)之上提出問題，對目標(biāo)作出明確的定義。
    2.3.1分類分析方法：是通過分析訓(xùn)練集中的數(shù)據(jù)，為每個類別做出準(zhǔn)確的描述或建立分析模型或挖掘出分類規(guī)則，以便以后利用這個分類規(guī)則對其它數(shù)據(jù)庫中的記錄進(jìn)行分類的方法。2.3.2決策樹算法：是一種常用于分類、預(yù)測模型的算法，它通過將大量數(shù)據(jù)有目的的分類，從而找到一些有價值的、潛在的信息。它的主要優(yōu)點(diǎn)是描述簡單，分類速度快，特別適合大規(guī)模的數(shù)據(jù)處理。2.3.3聚類算法：聚類分析處理的數(shù)據(jù)對象的類是未知的。聚類分析就是將對象集合分組為由類似的對象組成的多個簇的過程。在同一個簇內(nèi)的對象之間具有較高的相似度，而不同簇內(nèi)的對象差別較大。2.3.4關(guān)聯(lián)規(guī)則算法：側(cè)重于確定數(shù)據(jù)中不同領(lǐng)域之間的關(guān)系，即尋找給定數(shù)據(jù)集中的有趣聯(lián)系。提取描述數(shù)據(jù)庫中數(shù)據(jù)項(xiàng)之間所存在的潛在關(guān)系的規(guī)則，找出滿足給定支持度和置信度閾值的多個域之間的依賴關(guān)系。
    在以上各種算法的研究中，比較有影響的是關(guān)聯(lián)規(guī)則算法。
    3教學(xué)評估體系。
    評價指標(biāo)體系是教學(xué)評估的基礎(chǔ)和依據(jù)，對評估起著導(dǎo)向作用，因此制定一個科學(xué)全面的評價指標(biāo)體系就成為改革、完善評價的首要目標(biāo)。評價指標(biāo)應(yīng)以指導(dǎo)教學(xué)實(shí)踐為目的，通過評價使教師明確教學(xué)過程中應(yīng)該肯定的和需要改進(jìn)的地方；以及給出設(shè)計(jì)評價指標(biāo)的導(dǎo)向問題。
    3.1教學(xué)評估體系的構(gòu)建方法。
    層次分析法（簡稱ahp法）是美國運(yùn)籌學(xué)家t·l·saaty教授在20世紀(jì)70年代初期提出的一種簡便、靈活而又實(shí)用的多準(zhǔn)則決策的系統(tǒng)分析方法，其原理是把一個復(fù)雜問題分解、轉(zhuǎn)化為定量分析的方法。它需要建立關(guān)于系統(tǒng)屬性的各因素多級遞階結(jié)構(gòu)，然后對每一層次上的因素逐一進(jìn)行比較，得到判斷矩陣，通過計(jì)算判斷矩陣的特征值和特征向量，得到其關(guān)于上一層因素的相對權(quán)重，并可自上而下地用上一層次因素的相對權(quán)重加權(quán)求和，求出各層次因素關(guān)于系統(tǒng)整體屬性（總目標(biāo)層）的綜合重要度。
    3.2構(gòu)建教學(xué)評估指標(biāo)體系的作用。
    3.2.1構(gòu)建的教學(xué)評估指標(biāo)，作為挖掘庫選擇教學(xué)信息屬性的依據(jù)。
    3.2.2通過ahp方法，能篩選出用來評價教學(xué)質(zhì)量的相關(guān)重要屬性，從而入選為挖掘庫字段，這樣就減去了挖掘庫中對于挖掘目標(biāo)來說影響較小的屬性，進(jìn)而大大減少了挖掘的工作量，提高挖掘效率。3.2.3通過構(gòu)建教學(xué)評估指標(biāo)，減少了挖掘?qū)ο蟮淖侄危瑥亩苊庖蛲诰蜃侄芜^多，導(dǎo)致建立的決策樹過大，出現(xiàn)過度擬合挖掘?qū)ο螅M(jìn)而造成挖掘規(guī)則不具有很好的評價效果的現(xiàn)象。3.2.4提高教學(xué)質(zhì)量評估實(shí)施工作的效率。
    4.1學(xué)習(xí)效果評價學(xué)習(xí)評價是教育工作者的重要職責(zé)之一。評價學(xué)生的學(xué)習(xí)情況，既對學(xué)生起到信息反饋和激發(fā)學(xué)習(xí)動機(jī)的作用，又是檢查課程計(jì)劃、教學(xué)程序以至教學(xué)目的的手段，也是考查學(xué)生個別差異、便于因材施教的途徑。評價要遵循“評價內(nèi)容要全面、評價方式要多元化、評價次數(shù)要多次化，注重自評與互評的有機(jī)結(jié)合”的原則。利用數(shù)據(jù)挖掘工具，對教師業(yè)務(wù)檔案數(shù)據(jù)庫、行為記錄數(shù)據(jù)庫、獎勵處罰數(shù)據(jù)庫等進(jìn)行分析處理，可以即時得到教師教學(xué)的評價結(jié)果，對教學(xué)過程出現(xiàn)的問題進(jìn)行及時指正。
    另外，這種系統(tǒng)還能夠克服教師主觀評價的不公正、不客觀的弱點(diǎn)，減輕教師的工作量。
    4.2課堂教學(xué)評價。
    課堂教學(xué)評價不僅對教學(xué)起著調(diào)節(jié)、控制、指導(dǎo)和推動作用，而且有很強(qiáng)的導(dǎo)向性，是學(xué)校教學(xué)管理的重要組成部分，是評價教學(xué)工作成績的主要手段。實(shí)現(xiàn)對任課教師及教學(xué)組織工作效果做出評價，但是更重要的目的是總結(jié)優(yōu)秀的教學(xué)經(jīng)驗(yàn)，為教學(xué)質(zhì)量的穩(wěn)定提高制定科學(xué)的規(guī)范。學(xué)校每學(xué)期都要搞課堂教學(xué)評價調(diào)查，積累了大量的數(shù)據(jù)。利用數(shù)據(jù)挖掘技術(shù)，從教學(xué)評價數(shù)據(jù)中進(jìn)行數(shù)據(jù)挖掘，將關(guān)聯(lián)規(guī)則應(yīng)用于教師教學(xué)評估系統(tǒng)中，探討教學(xué)效果的好壞與老師的年齡、職稱、學(xué)歷之間的聯(lián)系；確定教師的教學(xué)內(nèi)容的范圍和深度是否合適，選擇的教學(xué)媒體是否適合所選的教學(xué)內(nèi)容和教學(xué)對象；講解的時間是否恰到好處；教學(xué)策略是否得當(dāng)?shù)?。從而可以及時地將挖掘出的規(guī)則信息反饋給教師。管理部門據(jù)此能合理配置班級的上課教師，使學(xué)生能夠較好地保持良好的學(xué)習(xí)態(tài)度，從而為教學(xué)部門提供了決策支持信息，促使教學(xué)工作更好地開展。
    結(jié)束語。
    數(shù)據(jù)挖掘作為一種工具，其技術(shù)日趨成熟，在許多領(lǐng)域取得了廣泛的應(yīng)用。在教育領(lǐng)域里，隨著數(shù)據(jù)的不斷累積，把數(shù)據(jù)挖掘技術(shù)應(yīng)用到教學(xué)評價系統(tǒng)中，讓領(lǐng)導(dǎo)者能夠從中發(fā)現(xiàn)教師教學(xué)活動中的主要問題，以便及時改進(jìn)，進(jìn)而輔助領(lǐng)導(dǎo)決策做好學(xué)校管理，提高學(xué)校管理能力和水平，同時通過建立有效的教學(xué)激勵機(jī)制來達(dá)到提高教學(xué)質(zhì)量的目的。這一研究對發(fā)展中的職業(yè)教育教學(xué)管理提出了很好的建議，為教學(xué)管理工作的計(jì)算機(jī)輔助決策增添了新的內(nèi)容。將數(shù)據(jù)挖掘技術(shù)應(yīng)用于中職教學(xué)評估，設(shè)計(jì)開發(fā)一套行之有效的課堂教學(xué)評價系統(tǒng)，是下一步要做的工作，必將有力推動職業(yè)教育的快速發(fā)展。
    數(shù)據(jù)挖掘論文摘要篇十二
    摘要：在計(jì)算機(jī)網(wǎng)絡(luò)越來越普及的社會中造就信息傳播的便利性提高，也讓社交網(wǎng)絡(luò)漸漸發(fā)展成為虛擬社群形態(tài)，從早期的電子布告欄（bbs）到現(xiàn)在的社交網(wǎng)站（socialnetworksites），都可以讓人們密切討論與互動。本文將主要探討基于數(shù)據(jù)挖掘模型的社交網(wǎng)絡(luò)關(guān)聯(lián)預(yù)測分析，并對相關(guān)技術(shù)進(jìn)行闡述。
    在社交網(wǎng)絡(luò)上，依據(jù)先前國外學(xué)者viswanath，mislove，chaandgummadi和nguyenandtran都是針對theneworleans地區(qū)社群使用者發(fā)布數(shù)據(jù)來研究使用者發(fā)布的關(guān)系，而臺灣地區(qū)針對使用者社群發(fā)布的分析多以問卷方法居多，故本研究欲使用直接抓取頁面數(shù)據(jù)與卷標(biāo)的方法，觀察使用者社群網(wǎng)站上發(fā)布行為，利用先前用學(xué)者所提數(shù)據(jù)呈現(xiàn)方式，結(jié)合關(guān)鍵詞標(biāo)記方式來了解使用者在社群網(wǎng)絡(luò)上的發(fā)布關(guān)系。而其中社群人數(shù)拓展最快速就是微信平臺，利用了社交網(wǎng)絡(luò)的特性讓使用者能更有效率的在網(wǎng)絡(luò)上找到有關(guān)系的親朋好友，將這世界的每個人、每個群體透過各種關(guān)系快速的串連起來[1]。
    當(dāng)要對hdfs讀寫數(shù)據(jù)時，檔案將被切割成小的64mbblock，namenode將告知每個datanode，切割后的block是存放在哪，datanode將負(fù)責(zé)做本地端檔案的block數(shù)據(jù)對應(yīng)，并且同時datanode將對其他datanode進(jìn)行數(shù)據(jù)復(fù)制備份的動作。hadoop系統(tǒng)的容錯率和可擴(kuò)充性來自于datanode，當(dāng)datanode出錯意外關(guān)機(jī)，其它節(jié)點(diǎn)上的數(shù)據(jù)將依然存在，且當(dāng)需動態(tài)增刪系統(tǒng)的運(yùn)算量，只需增加datanode節(jié)點(diǎn)或停止datanode運(yùn)作。在進(jìn)行社群資料收集與前處理之前，要先了解一下信息擷取與信息過濾的不同之處。在社群網(wǎng)站上隨機(jī)尋找開放目錄上的使用者，而后進(jìn)行下載該使用者發(fā)布數(shù)據(jù)的動作是謂信息擷??；而將使用者涂鴉墻上大筆數(shù)據(jù)寫進(jìn)本地端的hdfs系統(tǒng)后，并通過預(yù)先設(shè)定的一些篩選條件式和過濾方法，剔除雜亂的數(shù)據(jù)，變成對本研究有用的信息，以利后續(xù)卷標(biāo)計(jì)算與關(guān)鍵詞計(jì)算，這個過程就叫信息過濾[2]。
    關(guān)鍵詞分析部份則是針對個人涂鴉墻頁面和使用者自訂信息頁面進(jìn)行關(guān)鍵詞標(biāo)記，其關(guān)鍵詞來源是使用者自訂信息頁面上含的運(yùn)動、音樂、書籍、電影、電視、游戲、宗教、政治八組關(guān)鍵詞。相關(guān)度計(jì)算是利用本研究所提相關(guān)度公式來進(jìn)行個人涂鴉墻頁面、使用者自訂信息頁面和模擬頁面間的關(guān)聯(lián)運(yùn)算，利用頁面間所含的關(guān)鍵詞，計(jì)算出仿真頁面與使用頁面間的相關(guān)度。并在相關(guān)度計(jì)算階段把社群發(fā)布分析與關(guān)鍵詞分析的結(jié)果做個交叉分析。之后對此分析結(jié)果進(jìn)行研究評估。使用者自訂信息頁面有讓使用者自己標(biāo)記自己興趣的分類項(xiàng)目，分為大四大類自訂選項(xiàng)，其自訂選項(xiàng)下，包含子項(xiàng)目讓使用者自訂標(biāo)記自己的興趣，而該表的使用者自訂分類項(xiàng)目就是本研究挑選關(guān)鍵詞的依據(jù)，本研究挑選運(yùn)動、音樂、書籍、電影、電視、游戲、宗教、政治這八個字作為關(guān)鍵詞標(biāo)記投擲的項(xiàng)目，在此就不考慮同義不同字、字面背后意涵等問題，只考慮第一層的字義[3]。
    3社交網(wǎng)絡(luò)關(guān)聯(lián)預(yù)測的相關(guān)技術(shù)與應(yīng)用。
    社交網(wǎng)絡(luò)分析一直以來都是個熱門的話題，所有團(tuán)體成員彼此之間社交關(guān)系的集合就是這個團(tuán)體的社交網(wǎng)絡(luò)，而透過社交網(wǎng)絡(luò)分析可以了解團(tuán)體成員之間的互動，這分析可應(yīng)用在各種與人有關(guān)的領(lǐng)域上。在學(xué)校里，學(xué)生之間小團(tuán)體的組成及班級中領(lǐng)導(dǎo)人物與被孤立者的存在，一直都是教育者相當(dāng)關(guān)心的部份。在團(tuán)體精神治療中，成員之間的交流情況是分析治療成果的指標(biāo)之一。在網(wǎng)絡(luò)社群中，了解使用者群體之間的互動可以幫助廠商開發(fā)更人性化的網(wǎng)絡(luò)產(chǎn)品。人格特質(zhì)分析也是個熱門的話題，每個人的行為都有一套固定的行為模式，而分析這行為模式就是所謂的人格特質(zhì)分析，這分析也可應(yīng)用在各種與人有關(guān)的領(lǐng)域上。在學(xué)校里，不同類型的學(xué)生需要不同方式的教育。在公司面試上，公司透過分析應(yīng)征者的.人格模式來錄取所需要的人才[4]。然而，一般心理學(xué)使用的社交網(wǎng)絡(luò)分析與人格特質(zhì)分析都是透過紙筆測驗(yàn)，使用大量的人力去取得人際互動的信息，考慮團(tuán)體成員間友好的互動關(guān)系，并使用方向性的連結(jié)來表達(dá)人們之間的互動關(guān)系。目前使用計(jì)算機(jī)視覺技術(shù)的社交網(wǎng)絡(luò)分析系統(tǒng)，僅考慮人們同時出現(xiàn)頻率當(dāng)作親密程度的指針，而且使用無方向性的連結(jié)來表示人們之間的互動關(guān)系。因此，我們使用擁有計(jì)算機(jī)視覺技術(shù)的多攝影機(jī)系統(tǒng)，透過分析人們之間的互動行為，互動行為包含互動的對象、所表達(dá)的肢體語言與情緒信息，根據(jù)分析所有的互動得到團(tuán)體內(nèi)所有成員之間的社交態(tài)度，而這就是這團(tuán)體的社交網(wǎng)絡(luò)。除了友好的互動關(guān)系之外，我們還考慮了厭惡的互動關(guān)系，并且使用方向性的連結(jié)來表達(dá)人們之間的互動，這讓我們的社交網(wǎng)絡(luò)分析能更貼切現(xiàn)實(shí)的互動情況。通過分析一個人所有的社交互動行為，可以得知此人的行為擁有何種傾向，而這行為模式就是這個人的人格特質(zhì)。
    總之，我們可以根據(jù)觀察分析人們的互動行為，得到與人們觀察得到的結(jié)果大同小異的社交網(wǎng)絡(luò)分析，證明我們能透過計(jì)算機(jī)視覺技術(shù)取得貼近現(xiàn)實(shí)的社交網(wǎng)絡(luò)分析，并且比起一般心理學(xué)的社交網(wǎng)絡(luò)分析省下許多不必要的人力。
    參考文獻(xiàn)：
    數(shù)據(jù)挖掘論文摘要篇十三
    摘要：隨著科學(xué)技術(shù)的快速發(fā)展，各種新鮮的事物和理念得到了廣泛的應(yīng)用。其中機(jī)器學(xué)習(xí)算法就是一則典型案例——作為一種新型的算法，其廣泛應(yīng)用于各行各業(yè)之中。本篇論文旨在探討機(jī)器學(xué)習(xí)算法在數(shù)據(jù)挖掘中的具體應(yīng)用，我們利用龐大的移動終端數(shù)據(jù)網(wǎng)絡(luò)，加強(qiáng)了基于gsm網(wǎng)絡(luò)的戶外終端定位，從而提出了3個階段的定位算法，有效提高了定位的精準(zhǔn)度和速度。
    關(guān)鍵詞：學(xué)習(xí)算法;gsm網(wǎng)絡(luò);定位;數(shù)據(jù);。
    移動終端定位技術(shù)由來已久，其主要是利用各種科學(xué)技術(shù)手段定位移動物體的精準(zhǔn)位置以及高度。目前，移動終端定位技術(shù)主要應(yīng)用于軍事定位、緊急救援、網(wǎng)絡(luò)優(yōu)化、地圖導(dǎo)航等多個現(xiàn)代化的領(lǐng)域，由于移動終端定位技術(shù)能夠帶給精準(zhǔn)的位置服務(wù)信息，所以其在市場上還是有較大的需求的，這也為移動終端定位技術(shù)的優(yōu)化和發(fā)展，帶給了推動力。隨著通信網(wǎng)絡(luò)普及，移動終端定位技術(shù)的發(fā)展也得到了一些幫忙，使得其定位的精準(zhǔn)度和速度都得到了全面的優(yōu)化和提升。同時，傳統(tǒng)的定位方法結(jié)合先進(jìn)的算法來進(jìn)行精準(zhǔn)定位，目前依舊還是有較大的進(jìn)步空間。在工作中我選取機(jī)器學(xué)習(xí)算法結(jié)合數(shù)據(jù)挖掘技術(shù)對傳統(tǒng)定位技術(shù)加以改善，取得了不錯的效果，但也遇到了許多問題，例如:使用機(jī)器學(xué)習(xí)算法來進(jìn)行精準(zhǔn)定位暫時無法滿足更大的區(qū)域要求，還有想要利用較低的設(shè)備成本，實(shí)現(xiàn)得到更多的精準(zhǔn)定位的要求比較困難。所以本文對機(jī)器學(xué)習(xí)算法進(jìn)行了深入的研究，期望能夠幫忙其更快速的定位、更精準(zhǔn)的定位，滿足市場的需要。
    數(shù)據(jù)挖掘又名數(shù)據(jù)探勘、信息挖掘。它是數(shù)據(jù)庫知識篩選中十分重要的一步。數(shù)據(jù)挖掘其實(shí)指的就是在超多的數(shù)據(jù)中透過算法找到有用信息的行為。一般狀況下，數(shù)據(jù)挖掘都會和計(jì)算機(jī)科學(xué)緊密聯(lián)系在一齊，透過統(tǒng)計(jì)集合、在線剖析、檢索篩選、機(jī)器學(xué)習(xí)、參數(shù)識別等多種方法來實(shí)現(xiàn)最初的目標(biāo)。統(tǒng)計(jì)算法和機(jī)器學(xué)習(xí)算法是數(shù)據(jù)挖掘算法里面應(yīng)用得比較廣泛的兩類。統(tǒng)計(jì)算法依靠于概率分析，然后進(jìn)行相關(guān)性決定，由此來執(zhí)行運(yùn)算。
    而機(jī)器學(xué)習(xí)算法主要依靠人工智能科技，透過超多的樣本收集、學(xué)習(xí)和訓(xùn)練，能夠自動匹配運(yùn)算所需的相關(guān)參數(shù)及模式。它綜合了數(shù)學(xué)、物理學(xué)、自動化和計(jì)算機(jī)科學(xué)等多種學(xué)習(xí)理論，雖然能夠應(yīng)用的領(lǐng)域和目標(biāo)各不相同，但是這些算法都能夠被獨(dú)立使用運(yùn)算，當(dāng)然也能夠相互幫忙，綜合應(yīng)用，能夠說是一種能夠“因時而變”、“因事而變”的算法。在機(jī)器學(xué)習(xí)算法的領(lǐng)域，人工神經(jīng)網(wǎng)絡(luò)是比較重要和常見的一種。因?yàn)樗膬?yōu)秀的數(shù)據(jù)處理和演練、學(xué)習(xí)的潛力較強(qiáng)。
    而且對于問題數(shù)據(jù)還能夠進(jìn)行精準(zhǔn)的識別與處理分析，所以應(yīng)用的頻次更多。人工神經(jīng)網(wǎng)絡(luò)依靠于多種多樣的建模模型來進(jìn)行工作，由此來滿足不同的數(shù)據(jù)需求。綜合來看，人工神經(jīng)網(wǎng)絡(luò)的建模，它的精準(zhǔn)度比較高，綜合表述潛力優(yōu)秀，而且在應(yīng)用的過程中，不需要依靠專家的輔助力量，雖然仍有缺陷，比如在訓(xùn)練數(shù)據(jù)的時候耗時較多，知識的理解潛力還沒有到達(dá)智能化的標(biāo)準(zhǔn)，但是，相對于其他方式而言，人工神經(jīng)網(wǎng)絡(luò)的優(yōu)勢依舊是比較突出的。
    2以機(jī)器學(xué)習(xí)算法為基礎(chǔ)的gsm網(wǎng)絡(luò)定位。
    2.1定位問題的建模。
    建模的過程主要是以支持向量機(jī)定位方式作為基礎(chǔ)，把定位的位置柵格化，面積較小的柵格位置就是獨(dú)立的一種類別，在定位的位置內(nèi)，我們收集數(shù)目龐大的終端測量數(shù)據(jù)，然后利用計(jì)算機(jī)對測量報告進(jìn)行分析處理，測量柵格的距離度量和精準(zhǔn)度，然后對移動終端柵格進(jìn)行預(yù)估決定，最終利用機(jī)器學(xué)習(xí)進(jìn)行分析求解。
    2.2采集數(shù)據(jù)和預(yù)處理。
    本次研究，我們采用的模型對象是我國某一個周邊長達(dá)10千米的二線城市。在該城市區(qū)域內(nèi)，我們測量了四個不同時間段內(nèi)的數(shù)據(jù)，為了保證機(jī)器學(xué)習(xí)算法定位的精準(zhǔn)性和有效性，我們把其中的三批數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，最后一組數(shù)據(jù)作為定位數(shù)據(jù)，然后把定位數(shù)據(jù)周邊十米內(nèi)的前三組訓(xùn)練數(shù)據(jù)的相關(guān)信息進(jìn)行清除。一旦確定某一待定位數(shù)據(jù)，就要在不同的時間內(nèi)進(jìn)行測量，按照測量出的數(shù)據(jù)信息的經(jīng)緯度和平均值，再進(jìn)行換算，最終，得到真實(shí)的數(shù)據(jù)量，提升定位的速度以及有效程度。
    2.3以基站的經(jīng)緯度為基礎(chǔ)的初步定位。
    用機(jī)器學(xué)習(xí)算法來進(jìn)行移動終端定位，其復(fù)雜性也是比較大的，一旦區(qū)域面積增加，那么模型和分類也相應(yīng)增加，而且更加復(fù)雜，所以，利用機(jī)器學(xué)習(xí)算法來進(jìn)行移動終端定位的過程，會隨著定位區(qū)域面積的增大，而耗費(fèi)更多的時間。利用基站的經(jīng)緯度作為基礎(chǔ)來進(jìn)行早期的定位，則需要以下幾個步驟:要將邊長為十千米的正方形分割成一千米的小柵格，如果想要定位數(shù)據(jù)集內(nèi)的相關(guān)信息，就要選取對邊長是一千米的小柵格進(jìn)行計(jì)算，而如果是想要獲得邊長一千米的大柵格，就要對邊長是一千米的柵格精心計(jì)算。
    2.4以向量機(jī)為基礎(chǔ)的二次定位。
    在完成初步定位工作后，要確定一個邊長為兩千米的正方形，由于第一級支持向量機(jī)定位的區(qū)域是四百米，定位輸出的是以一百米柵格作為中心點(diǎn)的經(jīng)緯度數(shù)據(jù)信息，相對于一級向量機(jī)的定位而言，二級向量機(jī)在定位計(jì)算的時候難度是較低的，更加簡便。后期的預(yù)算主要依靠決策函數(shù)計(jì)算和樣本向量機(jī)計(jì)算。隨著柵格的變小，定位的精準(zhǔn)度將越來越高，而由于增加分類的問題數(shù)量是上升的，所以，定位的復(fù)雜度也是相對增加的。
    2.5以k-近鄰法為基礎(chǔ)的三次定位。
    第一步要做的就是選定需要定位的區(qū)域面積，在二次輸出之后，確定其經(jīng)緯度，然后依靠經(jīng)緯度來確定邊長面積，這些都是進(jìn)行區(qū)域定位的基礎(chǔ)性工作，緊之后就是定位模型的訓(xùn)練。以k-近鄰法為基礎(chǔ)的三次定位需要的是綜合訓(xùn)練信息數(shù)據(jù)，對于這些信息數(shù)據(jù)，要以大小為選取依據(jù)進(jìn)行篩選和合并，這樣就能夠減少計(jì)算的重復(fù)性。當(dāng)然了，選取的區(qū)域面積越大，其定位的速度和精準(zhǔn)性也就越低。
    3結(jié)語。
    近年來，隨著我國科學(xué)技術(shù)的不斷發(fā)展和進(jìn)步，數(shù)據(jù)挖掘技術(shù)愈加重要。根據(jù)上面的研究，我們證明了，在數(shù)據(jù)挖掘的過程中，應(yīng)用機(jī)器學(xué)習(xí)算法具有舉足輕重的作用。作為一門多領(lǐng)域互相交叉的知識學(xué)科，它能夠幫忙我們提升定位的精準(zhǔn)度以及定位速度，能夠被廣泛的應(yīng)用于各行各業(yè)。所以，對于機(jī)器學(xué)習(xí)算法，相關(guān)人員要加以重視，不斷的進(jìn)行改良以及改善，切實(shí)的發(fā)揮其有利的方面，將其廣泛應(yīng)用于智能定位的各個領(lǐng)域，幫忙我們解決關(guān)于戶外移動終端的定位的問題。
    參考文獻(xiàn)。
    [2]李運(yùn).機(jī)器學(xué)習(xí)算法在數(shù)據(jù)挖掘中的應(yīng)用[d].北京郵電大學(xué)，2014.
    數(shù)據(jù)挖掘論文摘要篇十四
    根據(jù)20xx年4月國家教育部等五部關(guān)于印發(fā)《職業(yè)學(xué)校學(xué)生實(shí)習(xí)管理規(guī)定》的通知（教職成[20xx]3號）精神，針對旅游管理專業(yè)頂崗實(shí)習(xí)企業(yè)的實(shí)際情況以及頂崗實(shí)習(xí)現(xiàn)狀，多角度分析新《職業(yè)學(xué)校學(xué)生頂崗實(shí)習(xí)管理規(guī)定》（以下簡稱新《規(guī)定》）對旅游管理專業(yè)頂崗實(shí)習(xí)的新要求，探索可操作的改進(jìn)辦法，為旅游管理專業(yè)實(shí)施頂崗實(shí)習(xí)教學(xué)課程提供借鑒和幫助。
    （1）實(shí)習(xí)企業(yè)較多，大部分企業(yè)需求人數(shù)少，實(shí)習(xí)生分布零散，跟蹤管理難度大。
    （2）由學(xué)校安排實(shí)習(xí)的，大多是由學(xué)校和實(shí)習(xí)企業(yè)簽訂雙方協(xié)議，實(shí)習(xí)生簽閱《實(shí)習(xí)生管理守則》。
    （3）中職學(xué)校旅游管理專業(yè)頂崗實(shí)習(xí)學(xué)生大多未滿18周歲。
    （4）實(shí)習(xí)評價體系不完善，對實(shí)習(xí)生的考核主觀成分多，量化標(biāo)準(zhǔn)少。
    （5）實(shí)習(xí)期仍以學(xué)生平安險作為學(xué)生意外傷害保險，尚未為學(xué)生購買專門的實(shí)習(xí)責(zé)任險。
    2.新《規(guī)定》對頂崗實(shí)習(xí)的影響及改進(jìn)方法。
    （1）新《規(guī)定》再次強(qiáng)調(diào)對實(shí)習(xí)過程的全程指導(dǎo)，并明確提出，對自行安排實(shí)習(xí)的學(xué)生也要進(jìn)行跟蹤管理（新《規(guī)定》第七條、第八條）。而旅游管理專業(yè)實(shí)習(xí)企業(yè)特別是旅行社，企業(yè)多，規(guī)模小，需求人數(shù)少，實(shí)習(xí)生分布零散，甚至一個企業(yè)只有一個實(shí)習(xí)生，管理和指導(dǎo)難度大。調(diào)查資料顯示，旅游專業(yè)實(shí)習(xí)企業(yè)中90%是旅行社，而實(shí)習(xí)生中只有50%在旅行社實(shí)習(xí)。這種情況實(shí)習(xí)指導(dǎo)教師如果要實(shí)現(xiàn)對每個實(shí)習(xí)生的指導(dǎo)管理，那么大部分時間都在外跑實(shí)習(xí)點(diǎn)，學(xué)校對專業(yè)教師的教學(xué)任務(wù)、科研任務(wù)及其他工作都很難完成。針對這一現(xiàn)狀，結(jié)合新《規(guī)定》要求，可從以下方面著手改進(jìn)：
    1）建立校企生聯(lián)動實(shí)習(xí)管理制度。在學(xué)校數(shù)字化平臺增加實(shí)習(xí)管理模塊，將實(shí)習(xí)操作流程、標(biāo)準(zhǔn)分單元錄入模塊內(nèi)，實(shí)習(xí)生定期在平臺上提交單元作業(yè)，企業(yè)指導(dǎo)教師和學(xué)校指導(dǎo)教師定期在平臺上提交實(shí)習(xí)生單元成績，最后的實(shí)習(xí)總成績由單元成績按比例匯總而成。這樣既可參與和掌控實(shí)習(xí)過程，又能優(yōu)化實(shí)習(xí)考核體系，增加量化標(biāo)準(zhǔn)。如數(shù)字平臺無法立即實(shí)施，可先采用電子文檔或紙質(zhì)文檔方式。
    2）實(shí)習(xí)面試結(jié)束后，組織召開實(shí)習(xí)指導(dǎo)教師動員會，由學(xué)校安排的指導(dǎo)教師和各企業(yè)安排的指導(dǎo)教師參加，共同學(xué)習(xí)和調(diào)整實(shí)習(xí)計(jì)劃、操作標(biāo)準(zhǔn)、達(dá)標(biāo)考核、指導(dǎo)流程等。
    3）實(shí)習(xí)收尾階段，組織召開實(shí)習(xí)總結(jié)會，對實(shí)習(xí)工作進(jìn)行交流分享，對實(shí)際工作中遇到的問題提出改進(jìn)建議，為即將開展的新一輪實(shí)習(xí)工作做好鋪墊。
    （2）新《規(guī)定》第十二條、第十三條要求，頂崗實(shí)習(xí)前學(xué)校、企業(yè)、學(xué)生須簽訂三方協(xié)議，這對制約企業(yè)、約束學(xué)生有了明確依據(jù)。旅游企業(yè)淡旺季明顯，一些企業(yè)到了淡季就將學(xué)生解聘；學(xué)生實(shí)習(xí)中無法適應(yīng)而中途離職的也時有發(fā)生，所以協(xié)議內(nèi)容除新《規(guī)定》列示內(nèi)容外，還應(yīng)增加實(shí)習(xí)生到崗后應(yīng)遵守的相關(guān)管理制度、學(xué)生違反規(guī)定的處理辦法等內(nèi)容。
    （3）新《規(guī)定》第十四條要求，未滿18周歲的學(xué)生參加頂崗實(shí)習(xí)，須由監(jiān)護(hù)人簽閱知情同意書。大部分中職學(xué)校學(xué)生在實(shí)習(xí)時都未達(dá)到該年齡標(biāo)準(zhǔn)，因此中職學(xué)校在實(shí)習(xí)前應(yīng)按戶口登記年齡進(jìn)行一次篩選，將“頂崗實(shí)習(xí)學(xué)生監(jiān)護(hù)人知情同意書”以統(tǒng)一格式發(fā)放給未滿18周歲學(xué)生，并告知監(jiān)護(hù)人，請監(jiān)護(hù)人簽閱?！爸橥鈺苯粚W(xué)校后方可參加實(shí)習(xí)面試。
    （4）新《規(guī)定》第三十五條要求，職業(yè)學(xué)校或?qū)嵙?xí)單位應(yīng)為實(shí)習(xí)學(xué)生投保實(shí)習(xí)責(zé)任保險。實(shí)習(xí)責(zé)任險是指學(xué)生在實(shí)習(xí)期間，因?qū)W校的管理疏忽對學(xué)生造成的身體、心理傷害應(yīng)由學(xué)校承擔(dān)責(zé)任的保險。據(jù)調(diào)查，保險公司目前尚未推出專門的實(shí)習(xí)責(zé)任險，但可先為實(shí)習(xí)生購買一年期限的意外險。但意外險與實(shí)習(xí)責(zé)任險在投保范圍、價格等方面還有差異，所以，職業(yè)學(xué)校也應(yīng)同時與保險行業(yè)接觸，積極推進(jìn)實(shí)習(xí)責(zé)任險的設(shè)計(jì)出臺。
    總之，旅游管理專業(yè)頂崗實(shí)習(xí)在實(shí)施過程中還存在一些問題和困難，如企業(yè)與學(xué)校的需求差異、旅游行業(yè)淡旺季與實(shí)習(xí)期的時間矛盾、實(shí)習(xí)生生活管理和心理疏導(dǎo)問題等，有待在《新規(guī)定》的要求和指導(dǎo)下，與企業(yè)深度合作，探索出一套有效的、可操作的頂崗實(shí)習(xí)實(shí)施標(biāo)準(zhǔn)。
    數(shù)據(jù)挖掘論文摘要篇十五
    ：數(shù)據(jù)挖掘是一種特殊的數(shù)據(jù)分析過程，其不僅在功能上具有多樣性，同時還具有著自動化、智能化處理以及抽象化分析判斷的特點(diǎn)，對于計(jì)算機(jī)犯罪案件中的信息取證有著非常大的幫助。本文結(jié)合數(shù)據(jù)挖掘技術(shù)的概念與功能，對其在計(jì)算機(jī)犯罪取證中的應(yīng)用進(jìn)行了分析。
    ：數(shù)據(jù)挖掘技術(shù)；計(jì)算機(jī)；犯罪取證。
    隨著信息技術(shù)與互聯(lián)網(wǎng)的不斷普及，計(jì)算機(jī)犯罪案件變得越來越多，同時由于計(jì)算機(jī)犯罪的隱蔽性、復(fù)雜性特點(diǎn)，案件偵破工作也具有著相當(dāng)?shù)碾y度，而數(shù)據(jù)挖掘技術(shù)不僅能夠?qū)τ?jì)算機(jī)犯罪案件中的原始數(shù)據(jù)進(jìn)行分析并提取出有效信息，同時還能夠?qū)崿F(xiàn)與其他案件的對比，而這些對于計(jì)算機(jī)犯罪案件的偵破都是十分有利的。
    數(shù)據(jù)挖掘技術(shù)是針對當(dāng)前信息時代下海量的網(wǎng)絡(luò)數(shù)據(jù)信息而言的，簡單來說，就是從大量的、不完全的、有噪聲的、模糊的隨機(jī)數(shù)據(jù)中對潛在的有效知識進(jìn)行自動提取，從而為判斷決策提供有利的信息支持。同時，從數(shù)據(jù)挖掘所能夠的得到的知識來看，主要可以分為廣義型知識、分類型知識、關(guān)聯(lián)性知識、預(yù)測性知識以及離型知識幾種。
    根據(jù)數(shù)據(jù)挖掘技術(shù)所能夠提取的不同類型知識，數(shù)據(jù)挖掘技術(shù)也可以在此基礎(chǔ)上進(jìn)行功能分類，如關(guān)聯(lián)分析、聚類分析、孤立點(diǎn)分析、時間序列分析以及分類預(yù)測等都是數(shù)據(jù)挖掘技術(shù)的重要功能之一，而其中又以關(guān)聯(lián)分析與分類預(yù)測最為主要。大量的數(shù)據(jù)中存在著多個項(xiàng)集，各個項(xiàng)集之間的取值往往存在著一定的規(guī)律性，而關(guān)聯(lián)分析則正是利用這一點(diǎn)，對各項(xiàng)集之間的關(guān)聯(lián)關(guān)系進(jìn)行挖掘，找到數(shù)據(jù)間隱藏的關(guān)聯(lián)網(wǎng)，主要算法有fp-growth算法、apriori算法等。在計(jì)算機(jī)犯罪取證中，可以先對犯罪案件中的特征與行為進(jìn)行深度的挖掘，從而明確其中所存在的聯(lián)系，同時，在獲得審計(jì)數(shù)據(jù)后，就可以對其中的審計(jì)信息進(jìn)行整理并中存入到數(shù)據(jù)庫中進(jìn)行再次分析，從而達(dá)到案件樹立的效果，這樣，就能夠清晰的判斷出案件中的行為是否具有犯罪特征[1]。而分類分析則是對現(xiàn)有數(shù)據(jù)進(jìn)行分類整理，以明確所獲得數(shù)據(jù)中的相關(guān)性的一種數(shù)據(jù)挖掘功能。在分類分析的過程中，已知數(shù)據(jù)會被分為不同的數(shù)據(jù)組，并按照具體的數(shù)據(jù)屬性進(jìn)行明確分類，之后再通過對分組中數(shù)據(jù)屬性的具體分析，最終就可以得到數(shù)據(jù)屬性模型。在計(jì)算機(jī)犯罪案件中，可以將按照這種數(shù)據(jù)分類、分析的方法得到案件的數(shù)據(jù)屬性模型，之后將這一數(shù)據(jù)屬性模型與其他案件的數(shù)據(jù)屬性模型進(jìn)行對比，這樣就能夠判斷嫌疑人是否在作案動機(jī)、發(fā)生規(guī)律以及具體特征等方面與其他案件模型相符，也就是說，一旦這一案件的數(shù)據(jù)模型屬性與其他案件的數(shù)據(jù)模型屬性大多相符，那么這些數(shù)據(jù)就可以被確定為犯罪證據(jù)。此外，在不同案件間的共性與差異的基礎(chǔ)上，分類分析還可以實(shí)現(xiàn)對于未知數(shù)據(jù)信息或類似數(shù)據(jù)信息的有效預(yù)測，這對于計(jì)算機(jī)犯罪案件的處理也是很有幫助的。此外，數(shù)據(jù)挖掘分類預(yù)測功能的實(shí)現(xiàn)主要依賴決策樹、支持向量機(jī)、vsm、logisitic回歸、樸素貝葉斯等幾種，這些算法各有優(yōu)劣，在實(shí)際應(yīng)用中需要根據(jù)案件的實(shí)際情況進(jìn)行選擇，例如支持向量機(jī)具有很高的分類正確率，因此適合用于特征為線性不可分的案件，而決策樹更容易理解與解釋。
    對于數(shù)據(jù)挖掘技術(shù)，目前的計(jì)算機(jī)犯罪取證工作并未形成一個明確而統(tǒng)一的應(yīng)用步驟，因此，我們可以根據(jù)數(shù)據(jù)挖掘技術(shù)的特征與具體功能，對數(shù)據(jù)挖掘技術(shù)在計(jì)算機(jī)犯罪取證中的應(yīng)用提供一個較為可行的具體思路[2]。首先，當(dāng)案件發(fā)生后，一般能夠獲取到海量的原始數(shù)據(jù)，面對這些數(shù)據(jù)，可以利用fp-growth算法、apriori算法等算法進(jìn)行關(guān)聯(lián)分析，找到案件相關(guān)的潛在有用信息，如犯罪嫌疑人的犯罪動機(jī)、案發(fā)時間、作案嫌疑人的基本信息等等。在獲取這些基本信息后，雖然能夠?qū)Π讣幕咎卣饔幸欢ǖ牧私?，但犯罪嫌疑人卻難以通過這些簡單的信息進(jìn)行確定，因此還需利用決策樹、支持向量機(jī)等算法進(jìn)行分類預(yù)測分析，通過對原始信息的準(zhǔn)確分類，可以得到案件的犯罪行為模式（數(shù)據(jù)屬性模型），而通過與其他案件犯罪行為模式的對比，就能夠?qū)Ψ缸锵右扇说木唧w特征進(jìn)行進(jìn)一步的預(yù)測，如經(jīng)?；顒拥膱鏊?、行為習(xí)慣、分布區(qū)域等，從而縮小犯罪嫌疑人的鎖定范圍，為案件偵破工作帶來巨大幫助。此外，在計(jì)算機(jī)犯罪案件處理完畢后，所建立的嫌疑人犯罪行為模式以及通過關(guān)聯(lián)分析、分類預(yù)測分析得到的案件信息仍具有著很高的利用價值，因此不僅需要將這些信息存入到專門的數(shù)據(jù)庫中，同時還要根據(jù)案件的結(jié)果對數(shù)據(jù)進(jìn)行再次分析與修正，并做好犯罪行為模式的分類與標(biāo)記工作，為之后的案件偵破工作提供更加豐富、詳細(xì)的數(shù)據(jù)參考。
    總而言之，數(shù)據(jù)挖掘技術(shù)自計(jì)算機(jī)犯罪取證中的應(yīng)用是借助以各種算法為基礎(chǔ)的關(guān)聯(lián)、分類預(yù)測功能來實(shí)現(xiàn)的，而隨著技術(shù)的不斷提升以及數(shù)據(jù)庫中的犯罪行為模式會不斷得到完善，在未來數(shù)據(jù)挖掘技術(shù)所能夠起到的作用也必將越來越大。
    作者:周永杰單位:河南警察學(xué)院信息安全系。
    數(shù)據(jù)挖掘論文摘要篇十六
    隨著我國的旅游業(yè)的迅猛發(fā)展，旅游產(chǎn)業(yè)正邁向國際化的軌道,傳統(tǒng)旅游業(yè)積累的海量數(shù)據(jù),沒有被有效利用,資源被極大浪費(fèi)。將數(shù)據(jù)挖掘引入到旅游產(chǎn)業(yè)是大勢所趨。當(dāng)前數(shù)據(jù)挖掘在旅游信息化建設(shè)中的應(yīng)用與研究情況主要集中在高校理論界的研究,大多數(shù)研究僅僅是學(xué)術(shù)研究,真正運(yùn)用到旅游行業(yè)的文章多是從某個具體的方面出發(fā),針對個別應(yīng)用進(jìn)行數(shù)據(jù)挖掘的融合。筆者主要研究決策樹方法在旅游信息化建設(shè)中的應(yīng)用。目前,決策樹算法有cls算法、id3算法、c4.5算法、cart算法、sliq算法、z統(tǒng)計(jì)算法、并行決策樹算法和sprint算法等。不同算法在執(zhí)行效率、輸出結(jié)果、可擴(kuò)容性、可理解性、預(yù)測的準(zhǔn)確性等方面各不相同。總的來說,這么多決策樹算法各有優(yōu)缺點(diǎn)，真正將數(shù)據(jù)挖掘運(yùn)用到整個旅游信息化建設(shè)中還有很多問題需要解決。
    數(shù)據(jù)挖掘中常用的基本分類算法有決策樹、貝葉斯、基于規(guī)則的算法等等。其中，決策樹是目前主流的分類技術(shù),己經(jīng)成功的應(yīng)用于更多行業(yè)的數(shù)據(jù)分析。在關(guān)聯(lián)規(guī)則挖掘研究中,最重要的是apriori算法,這個算法后來成為絕大多數(shù)關(guān)聯(lián)規(guī)則分類的基礎(chǔ)。聚類算法也是數(shù)據(jù)挖掘技術(shù)中極為重要的組成部分。與分類技術(shù)不同的是,聚類不要求對數(shù)據(jù)進(jìn)行事先標(biāo)定,就數(shù)據(jù)挖掘功能而言,聚類能夠可以針對數(shù)據(jù)的相異度來分析評估數(shù)據(jù),可以作為其他對發(fā)現(xiàn)的簇運(yùn)行的數(shù)據(jù)挖掘算法的預(yù)處理步驟。各種算法分類模型建立有所不同,但原理是大致相同的。筆者考慮決策樹算法結(jié)構(gòu)簡單,便于理解,且很擅長處理非數(shù)值型數(shù)據(jù),建模效率高,分類速度快,特別適合大規(guī)模的數(shù)據(jù)處理的優(yōu)點(diǎn),結(jié)合旅游產(chǎn)業(yè)數(shù)據(jù)特點(diǎn),故作重點(diǎn)分析。
    旅游業(yè)數(shù)據(jù)挖掘系統(tǒng)的基本特點(diǎn)如下：統(tǒng)計(jì)旅游興趣；購物消費(fèi)趨向；推薦其感興趣的旅游景點(diǎn)；在后臺管理中,通過決策樹算法對游客數(shù)量、平均年齡、景點(diǎn)收費(fèi)、游客來自地區(qū)等進(jìn)行分析總結(jié),為旅游消費(fèi)者和旅游管理者提供服務(wù)：為消費(fèi)者提供吃住行購?qiáng)蕵诽鞖飧鞣矫嫘畔⒉樵?、機(jī)票、車船票、酒店、景區(qū)門票、餐飲等方面的預(yù)定與現(xiàn)金支付、第三方支付、消費(fèi)者評價、在線咨詢等方面的便利、快捷服務(wù)。為管理者提供推薦、游客管理、線路管理、景點(diǎn)管理、特色服務(wù)管理、機(jī)票管理、在線咨詢管理、旅游客戶關(guān)系管理等服務(wù)，提高整體服務(wù)效率和水平。
    旅游業(yè)信息管理系統(tǒng)包括游客信息管理與游客信息分析兩個子模塊。根據(jù)系統(tǒng)日常運(yùn)行出現(xiàn)的問題及時對系統(tǒng)進(jìn)行維護(hù),如添加或者刪除某個模塊功能,系統(tǒng)整體運(yùn)行速度的更近等。系統(tǒng)運(yùn)用數(shù)據(jù)庫層、持久化層、業(yè)務(wù)邏輯層、表示層四層體系結(jié)構(gòu),主要利用id3算法達(dá)到旅游數(shù)據(jù)信息的快速、準(zhǔn)確分類?？紤]了游客與酒店之間的關(guān)系、游客與旅游路線之間的關(guān)系、游客與旅游景點(diǎn)之間的關(guān)系、游客與機(jī)票、車票之間的關(guān)系、管理員與游客之間的關(guān)系、邏輯結(jié)構(gòu)設(shè)計(jì)。程序之間的獨(dú)立性增加,易于擴(kuò)展,規(guī)范化得到保證的同時提高了系統(tǒng)的安全性。詳細(xì)功能設(shè)計(jì)包括：用戶登錄、用戶查詢、預(yù)定及支付、后臺管理、旅游客戶管理和數(shù)據(jù)分析等方面。本系統(tǒng)中主要運(yùn)用java語言就行邏輯上的處理。系統(tǒng)主要使用struts2和hibernate這兩個框架來進(jìn)行整個系統(tǒng)的搭建。其中struts2主要處理業(yè)務(wù)邏輯,而hibernate主要是處理數(shù)據(jù)存儲、查詢等操作。系統(tǒng)采用tomcat服務(wù)器。系統(tǒng)模塊需要實(shí)現(xiàn)酒店推薦實(shí)現(xiàn)、景點(diǎn)推薦實(shí)現(xiàn)、天氣預(yù)報實(shí)現(xiàn)、旅游線路實(shí)現(xiàn)、特產(chǎn)推薦、數(shù)據(jù)分析展現(xiàn)功能、報表數(shù)據(jù)獲取、景區(qū)客流量變化分析實(shí)現(xiàn)等。需要進(jìn)行后臺信息管理等功能測試以及時間測試、數(shù)據(jù)測試等性能測試。
    在對數(shù)據(jù)挖掘的基本方法與技術(shù)進(jìn)行總結(jié)的基礎(chǔ)上，結(jié)合當(dāng)今數(shù)據(jù)挖掘的發(fā)展方向和研究熱點(diǎn)，可以發(fā)現(xiàn)旅游業(yè)數(shù)據(jù)挖掘算法系統(tǒng)有待進(jìn)一步完善之處：訂票系統(tǒng)尚待完善。界面美化需要進(jìn)一步改進(jìn)。數(shù)據(jù)表之間的結(jié)構(gòu)關(guān)系需要優(yōu)化，以提高數(shù)據(jù)處理能力和效率。數(shù)據(jù)挖掘工具及算法有待精細(xì)化改進(jìn)。
    作者：朱暉單位：河南職業(yè)技術(shù)學(xué)院。
    數(shù)據(jù)挖掘論文摘要篇十七
    摘要：在本科高年級學(xué)生中開設(shè)符合學(xué)術(shù)研究和工業(yè)應(yīng)用熱點(diǎn)的進(jìn)階課程是十分必要的。以數(shù)據(jù)挖掘課程為例，本科高年級學(xué)生了解并掌握數(shù)據(jù)挖掘的相關(guān)技術(shù)，對于其今后的工作、學(xué)習(xí)不無裨益。著重闡述數(shù)據(jù)挖掘等進(jìn)階課程在本科高年級學(xué)生中的教學(xué)方法，基于本科高年級學(xué)生的實(shí)際情況，以及進(jìn)階課程的知識體系特點(diǎn)，提出有針對性的教學(xué)方法參考，從而提高進(jìn)階課程的教學(xué)效果。
    關(guān)鍵詞：數(shù)據(jù)挖掘；進(jìn)階課程；教學(xué)方法研究；本科高年級。
    學(xué)生在本科高年級學(xué)生中開設(shè)數(shù)據(jù)挖掘等進(jìn)階課程是十分必要的，以大數(shù)據(jù)、數(shù)據(jù)挖掘?yàn)槔?，其相關(guān)技術(shù)不僅是當(dāng)前學(xué)術(shù)界的研究熱點(diǎn)，也是各家企事業(yè)單位招聘中重要崗位的要求之一。對于即將攻讀碩士或博士學(xué)位的學(xué)生，對于即將走上工作崗位的學(xué)生，了解并掌握一些大數(shù)據(jù)相關(guān)技術(shù)，尤其是數(shù)據(jù)挖掘技術(shù)，都是不無裨益的。在目前本科教學(xué)中，對于數(shù)據(jù)挖掘等課程的教學(xué)，由于前序課程的要求，往往是放在本科四年級進(jìn)行。如何激發(fā)本科四年級學(xué)生在考研，找工作等繁雜事務(wù)中的學(xué)習(xí)興趣，從而更好地掌握數(shù)據(jù)挖掘的相關(guān)技術(shù)是本課程面臨的主要挑戰(zhàn)，也是所有本科進(jìn)階課程所面臨的難題之一。
    1數(shù)據(jù)挖掘等進(jìn)階課程所面臨的問題。
    1.1進(jìn)階課程知識體系的綜合性。
    進(jìn)階課程由于其理論與技術(shù)的先進(jìn)性，往往是學(xué)術(shù)研究的前沿，工業(yè)應(yīng)用的熱點(diǎn)，是綜合多方面知識的課程。以數(shù)據(jù)挖掘課程為例，其中包括數(shù)據(jù)庫、機(jī)器學(xué)習(xí)、模式識別、統(tǒng)計(jì)、可視化、高性能技術(shù)，算法等多方面的知識內(nèi)容。雖然學(xué)生在前期的本科學(xué)習(xí)中已經(jīng)掌握了部分相關(guān)內(nèi)容，如數(shù)據(jù)庫、統(tǒng)計(jì)、算法等，但對于其他內(nèi)容如機(jī)器學(xué)習(xí)、人工智能、模式識別、可視化等，有的是與數(shù)據(jù)挖掘課程同時開設(shè)的進(jìn)階課程，有的已經(jīng)是研究生的教學(xué)內(nèi)容。對于進(jìn)階課程繁雜的知識體系，應(yīng)該如何把握廣度和深度的關(guān)系尤為重要。
    1.2進(jìn)階課程的教學(xué)的目的要求。
    進(jìn)階課程的知識體系的綜合性體現(xiàn)在知識點(diǎn)過多、技術(shù)特征復(fù)雜。從教學(xué)效益的角度出發(fā)，進(jìn)階課程的教學(xué)目的是在有限的課時內(nèi)最大化學(xué)生的知識收獲。從教學(xué)結(jié)果的可測度出發(fā)，進(jìn)階課程的教學(xué)需要能夠有效驗(yàn)證學(xué)生掌握重點(diǎn)知識的.學(xué)習(xí)成果。1.3本科高年級學(xué)生的實(shí)際情況本科高年級學(xué)生需要處理考研復(fù)習(xí)，找工作等繁雜事務(wù)，往往對于剩余本科階段的學(xué)習(xí)不重視，存在得過且過的心態(tài)。進(jìn)階課程往往是專業(yè)選修課程，部分學(xué)分已經(jīng)修滿的學(xué)生往往放棄這部分課程的學(xué)習(xí)，一來沒有時間，二來怕拖累學(xué)分。
    2數(shù)據(jù)挖掘等進(jìn)階課程的具體教學(xué)方法。
    進(jìn)階課程的教學(xué)理念是在有限的課時內(nèi)，盡可能地提高課程的廣度，增加介紹性內(nèi)容，在授課中著重講解1~2個關(guān)鍵技術(shù)，如在數(shù)據(jù)挖掘課程中，著重講解分類中的決策樹算法，聚類中的k-means算法等復(fù)雜度一般，應(yīng)用廣泛的重要知識點(diǎn)，并利用實(shí)踐來檢驗(yàn)學(xué)習(xí)成果。
    2.1進(jìn)階課程的課堂教學(xué)。
    數(shù)據(jù)挖掘等進(jìn)階課程所涉及的知識點(diǎn)眾多，在課堂上則采用演示和講授相結(jié)合的方法，對大部分知識點(diǎn)做廣度介紹，而對需要重點(diǎn)掌握知識點(diǎn)具體講授，結(jié)合實(shí)踐案例及板書。在介紹工業(yè)實(shí)踐案例的過程中，對于具體數(shù)據(jù)挖掘任務(wù)的來龍去脈解釋清楚，尤其是對于問題的歸納，數(shù)據(jù)的處理，算法的選擇等步驟，并在不同的知識點(diǎn)的教學(xué)中重復(fù)介紹和總結(jié)數(shù)據(jù)挖掘的一般性流程，可以加深學(xué)生對于數(shù)據(jù)挖掘的深入理解。對于一些需要記憶的知識點(diǎn)，在課堂上采用隨機(jī)問答的方式，必要的時候可以在每堂課的開始重復(fù)提問，提高學(xué)習(xí)的效果。
    2.2進(jìn)階課程的課后教學(xué)。
    對于由于時間限制無法在課上深入討論的知識點(diǎn)，只能依靠學(xué)生在課后自學(xué)掌握。本科高年級學(xué)生的課后自學(xué)的動力不像低年級學(xué)生那么充足，可以布置需要動手實(shí)踐并涵蓋相關(guān)知識點(diǎn)的課后實(shí)踐，但盡量降低作業(yè)的工程量。鼓勵學(xué)生利用開源軟件和框架，基于提供的數(shù)據(jù)集，實(shí)際解決一些簡單的數(shù)據(jù)挖掘任務(wù)，讓學(xué)生掌握相關(guān)算法技術(shù)的使用，并對算法有一定的了解。利用學(xué)院與大數(shù)據(jù)相關(guān)企業(yè)建立的合作關(guān)系，在課后通過參觀，了解大數(shù)據(jù)技術(shù)在當(dāng)前企業(yè)實(shí)踐中是如何應(yīng)用的，激發(fā)學(xué)生的學(xué)習(xí)興趣。
    2.3進(jìn)階課程的教學(xué)效果考察進(jìn)階課程的考察不宜采取考試的形式，可以采用大作業(yè)的形式。從具體的數(shù)據(jù)挖掘?qū)嵺`中檢驗(yàn)教學(xué)的成果，力求是學(xué)生在上完本課程后可以解決一些簡單的數(shù)據(jù)挖掘任務(wù)，將較復(fù)雜的數(shù)據(jù)挖掘技術(shù)的學(xué)習(xí)留給學(xué)生自己。
    3結(jié)語。
    數(shù)據(jù)挖掘是來源于實(shí)踐的科學(xué)，學(xué)習(xí)完本課程的學(xué)生需要真正理解，掌握相關(guān)的數(shù)據(jù)挖掘技術(shù)，并能夠在實(shí)際數(shù)據(jù)挖掘任務(wù)中應(yīng)用相關(guān)算法解決問題。這也對教師的教學(xué)水平提出了挑戰(zhàn)，并直接與教師的科研水平相關(guān)。在具體的教學(xué)過程中，發(fā)現(xiàn)往往是在講授實(shí)際科研中遇到的問題時，學(xué)生的興趣較大，對于書本上的例子則反映一般。進(jìn)階課程在注重教學(xué)方法的基礎(chǔ)上，對于教師的科研水平提出了新的要求，這也是對于教師科研的反哺，使教學(xué)過程變成了教學(xué)相長的過程。
    參考文獻(xiàn)：
    [1]孫宇，梁俊斌，鐘淑瑛．面向工程的《數(shù)據(jù)挖掘》課程教學(xué)方法探討[j]．現(xiàn)代計(jì)算機(jī)，2014（13）.
    [2]蔣盛益，李霞，鄭琪．研究性學(xué)習(xí)和研究性教學(xué)的實(shí)證研究———以數(shù)據(jù)挖掘課程為例[j]．計(jì)算機(jī)教育，2014（24）.
    [3]張曉芳，王芬，黃曉．國內(nèi)外大數(shù)據(jù)課程體系與專業(yè)建設(shè)調(diào)查研究[c]．2ndinternationalconferenceoneducation,managementandsocialscience（icemss2014），2014.
    [4]郝潔．《無線傳感器網(wǎng)絡(luò)》課程特點(diǎn)、挑戰(zhàn)和解決方案[j]．現(xiàn)代計(jì)算機(jī)，2016（35）.
    [5]王永紅．計(jì)算機(jī)類專業(yè)剖析中課程分析探討[j]．現(xiàn)代計(jì)算機(jī)，2011（04）.
    數(shù)據(jù)挖掘論文摘要篇十八
    摘要：大數(shù)據(jù)和智游都是當(dāng)下的熱點(diǎn)，沒有大數(shù)據(jù)的智游無從談“智慧”，數(shù)據(jù)挖掘是大數(shù)據(jù)應(yīng)用于智游的核心，文章探究了在智游應(yīng)用中，目前大數(shù)據(jù)挖掘存在的幾個問題。
    關(guān)鍵詞：大數(shù)據(jù)；智游；數(shù)據(jù)挖掘；
    1引言。
    隨著人民生活水平的進(jìn)一步提高，旅游消費(fèi)的需求進(jìn)一步上升，在云計(jì)算、互聯(lián)網(wǎng)、物聯(lián)網(wǎng)以及移動智能終端等信息通訊技術(shù)的飛速發(fā)展下，智游應(yīng)運(yùn)而生。大數(shù)據(jù)作為當(dāng)下的熱點(diǎn)已經(jīng)成了智游發(fā)展的有力支撐，沒有大數(shù)據(jù)提供的有利信息，智游無法變得“智慧”。
    2大數(shù)據(jù)與智游。
    旅游業(yè)是信息密、綜合性強(qiáng)、信息依存度高的產(chǎn)業(yè)[1]，這讓其與大數(shù)據(jù)自然產(chǎn)生了交匯。，江蘇省鎮(zhèn)江市首先提出“智游”的概念，雖然至今國內(nèi)外對于智游還沒有一個統(tǒng)一的學(xué)術(shù)定義，但在與大數(shù)據(jù)相關(guān)的描述中，有學(xué)者從大數(shù)據(jù)挖掘在智游中的作用出發(fā)，把智游描述為：通過充分收集和管理所有類型和來源的旅游數(shù)據(jù)，并深入挖掘這些數(shù)據(jù)的潛在重要價值信息，然后利用這些信息為相關(guān)部門或?qū)ο筇峁┓?wù)[2]。這一定義充分肯定了在發(fā)展智游中，大數(shù)據(jù)挖掘所起的至關(guān)重要的作用，指出了在智游的過程中，數(shù)據(jù)的收集、儲存、管理都是為數(shù)據(jù)挖掘服務(wù)，智游最終所需要的是利用挖掘所得的有用信息。
    3大數(shù)據(jù)挖掘在智游中存在的問題。
    我國提出用十年時間基本實(shí)現(xiàn)智游的目標(biāo)[3]過去幾年國家旅游局的相關(guān)動作均為了實(shí)現(xiàn)這一目標(biāo)。但是在借助大數(shù)據(jù)推動智游的可持續(xù)性發(fā)展中大數(shù)據(jù)所產(chǎn)生的價值卻亟待提高原因之一就是在收集、儲存了大量數(shù)據(jù)后對它們深入挖掘不夠沒有發(fā)掘出數(shù)據(jù)更多的價值。
    3.1信息化建設(shè)。
    智游的發(fā)展離不開移動網(wǎng)絡(luò)、物聯(lián)網(wǎng)、云平臺。隨著大數(shù)據(jù)的不斷發(fā)展，國內(nèi)許多景區(qū)已經(jīng)實(shí)現(xiàn)wi—fi覆蓋，部分景區(qū)也已實(shí)現(xiàn)人與人、人與物、人與景點(diǎn)之間的實(shí)時互動，多省市已建有旅游產(chǎn)業(yè)監(jiān)測平臺或旅游大數(shù)據(jù)中心以及數(shù)據(jù)可視化平臺，從中進(jìn)行數(shù)據(jù)統(tǒng)計(jì)、行為分析、監(jiān)控預(yù)警、服務(wù)質(zhì)量監(jiān)督等。通過這些平臺，已基本能掌握跟游客和景點(diǎn)相關(guān)的數(shù)據(jù)，可以實(shí)現(xiàn)更好旅游監(jiān)控、產(chǎn)業(yè)宏觀監(jiān)控，對該地的旅游管理和推廣都能發(fā)揮重要作用。
    但從智慧化的發(fā)展來看，我國的信息化建設(shè)還需加強(qiáng)。雖然通訊網(wǎng)絡(luò)已基本能保證，但是大部分景區(qū)還無法實(shí)現(xiàn)對景區(qū)全面、透徹、及時的感知，更為困難的是對平臺的建設(shè)。在數(shù)據(jù)共享平臺的建設(shè)上，除了必備的硬件設(shè)施，大數(shù)據(jù)實(shí)驗(yàn)平臺還涉及大量部門，如政府管理部門、氣象部門、交通、電子商務(wù)、旅行社、旅游網(wǎng)站等。如此多的部門相關(guān)聯(lián)，要想建立一個完整全面的大數(shù)據(jù)實(shí)驗(yàn)平臺，難度可想而知。
    大數(shù)據(jù)時代缺的不是數(shù)據(jù)，而是方法。大數(shù)據(jù)在旅游行業(yè)的應(yīng)用前景非常廣闊，但是面對大量的數(shù)據(jù)，不懂如何收集有用的數(shù)據(jù)、不懂如何對數(shù)據(jù)進(jìn)行挖掘和利用，那么“大數(shù)據(jù)”猶如礦山之中的廢石。旅游行業(yè)所涉及的結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)，通過云計(jì)算技術(shù)，對數(shù)據(jù)的收集、存儲都較為容易，但對數(shù)據(jù)的挖掘分析則還在不斷探索中。大數(shù)據(jù)的挖掘常用的方法有關(guān)聯(lián)分析，相似度分析，距離分析，聚類分析等等，這些方法從不同的角度對數(shù)據(jù)進(jìn)行挖掘。其中，相關(guān)性分析方法通過關(guān)聯(lián)多個數(shù)據(jù)來源，挖掘數(shù)據(jù)價值。但針對旅游數(shù)據(jù)，采用這些方法挖掘數(shù)據(jù)的價值信息，難度也很大，因?yàn)槁糜螖?shù)據(jù)中冗余數(shù)據(jù)很多，數(shù)據(jù)存在形式很復(fù)雜。在旅游非結(jié)構(gòu)化數(shù)據(jù)中，一張圖片、一個天氣變化、一次輿情評價等都將會對游客的旅行計(jì)劃帶來影響。對這些數(shù)據(jù)完全挖掘分析，對游客“行前、行中、行后”大數(shù)據(jù)的實(shí)時性挖掘都是很大的挑戰(zhàn)。
    3.3數(shù)據(jù)安全。
    數(shù)據(jù)安全事件屢見不鮮伴著大數(shù)據(jù)而來的數(shù)據(jù)安全問題日益凸顯出來。在大數(shù)據(jù)時代無處不在的數(shù)據(jù)收集技術(shù)使我們的個人信息在所關(guān)聯(lián)的數(shù)據(jù)中心留下痕跡如何保證這些信息被合法合理使用讓數(shù)據(jù)“可用不可見”[4]這是亟待解決的問題。同時在大數(shù)據(jù)資源的開放性和共享性下個人隱私和公民權(quán)益受到嚴(yán)重威脅。這一矛盾的存在使數(shù)據(jù)共享程度與數(shù)據(jù)挖掘程度成反比。此外經(jīng)過大數(shù)據(jù)技術(shù)的分析、挖掘個人隱私更易被發(fā)現(xiàn)和暴露從而可能引發(fā)一系列社會問題。
    大數(shù)據(jù)背景下的旅游數(shù)據(jù)當(dāng)然也避免不了數(shù)據(jù)的安全問題。如果游客“吃、住、行、游、娛、購”的數(shù)據(jù)被放入數(shù)據(jù)庫，被完全共享、挖掘、分析，那游客的人身財(cái)產(chǎn)安全將會受到嚴(yán)重影響，最終降低旅游體驗(yàn)。所以，數(shù)據(jù)的安全管理是進(jìn)行大數(shù)據(jù)挖掘的前提。
    3.4大數(shù)據(jù)人才。
    大數(shù)據(jù)背景下的智游離不開人才的創(chuàng)新活動及技術(shù)支持，然而與專業(yè)相銜接的大數(shù)據(jù)人才培養(yǎng)未能及時跟上行業(yè)需求，加之創(chuàng)新型人才的外流，以及數(shù)據(jù)統(tǒng)計(jì)未來3~5年大數(shù)據(jù)行業(yè)將面臨全球性的人才荒，國內(nèi)智游的構(gòu)建還缺乏大量人才。
    4解決思路。
    在信息化建設(shè)上，加大政府投入，加強(qiáng)基礎(chǔ)設(shè)施建設(shè)，整合結(jié)構(gòu)化數(shù)據(jù)，抓取非結(jié)構(gòu)化數(shù)據(jù)，打通各數(shù)據(jù)壁壘，建設(shè)旅游大數(shù)據(jù)實(shí)驗(yàn)平臺；在挖掘方法上，對旅游大數(shù)據(jù)實(shí)時性數(shù)據(jù)的挖掘應(yīng)該被放在重要位置；在數(shù)據(jù)安全上，從加強(qiáng)大數(shù)據(jù)安全立法、監(jiān)管執(zhí)法及強(qiáng)化技術(shù)手段建設(shè)等幾個方面著手，提升大數(shù)據(jù)環(huán)境下數(shù)據(jù)安全保護(hù)水平。加強(qiáng)人才的培養(yǎng)與引進(jìn)，加強(qiáng)產(chǎn)學(xué)研合作，培養(yǎng)智游大數(shù)據(jù)人才。
    參考文獻(xiàn)。