前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇數(shù)據(jù)挖掘技術(shù)分析論文范文，相信會(huì)為您的寫作帶來幫助，發(fā)現(xiàn)更多的寫作思路和靈感。

數(shù)據(jù)挖掘技術(shù)分析論文范文第1篇

關(guān)鍵詞：數(shù)據(jù)挖掘；決策樹；C4.5算法；教學(xué)管理；高校教學(xué)

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2012）30-7150-04

隨著數(shù)字信息化社會(huì)的飛速發(fā)展，計(jì)算機(jī)技術(shù)和數(shù)據(jù)庫(kù)管理系統(tǒng)被廣泛應(yīng)用于科學(xué)探索、商業(yè)、金融業(yè)、電子商務(wù)、企業(yè)生產(chǎn)等各種行業(yè)，已逐漸發(fā)展成為一種智能管理過程。數(shù)據(jù)挖掘作為一種新興的數(shù)據(jù)分析技術(shù)，它的研究成果取得了令人矚目的成就[1]。利用數(shù)據(jù)庫(kù)技術(shù)，通過對(duì)教務(wù)管理的大量數(shù)據(jù)進(jìn)行多層次、多維度的加工處理，從而實(shí)現(xiàn)人性化管理，為科學(xué)決策提供支持。

畢業(yè)論文在教學(xué)體系中占有十分重要的位置，是本科生培養(yǎng)計(jì)劃中衡量教學(xué)質(zhì)量的重要指標(biāo)。提高畢業(yè)論文教學(xué)質(zhì)量是一項(xiàng)系統(tǒng)工程，為研究在當(dāng)前的教學(xué)條件下如何提高畢業(yè)論文教學(xué)質(zhì)量，本文采用數(shù)據(jù)挖掘技術(shù)對(duì)影響畢業(yè)論文成績(jī)管理的多方面因素進(jìn)行了深入分析和挖掘，以期發(fā)現(xiàn)對(duì)學(xué)校畢業(yè)論文教學(xué)管理有用的知識(shí)，將這些知識(shí)應(yīng)用于本科學(xué)生畢業(yè)論文教學(xué)實(shí)踐中，為學(xué)校管理者提供有用的信息，進(jìn)而獲得更好的管理效益，為學(xué)校未來的發(fā)展提供更廣闊的空間，發(fā)揮重要的作用。

1 數(shù)據(jù)挖掘簡(jiǎn)介

數(shù)據(jù)挖掘（Data Mining），又稱數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)（Knowledge discovery in Database. KDD）[2]，是通過分析每一個(gè)具體數(shù)據(jù)，從大量的、有噪聲的、模糊的、隨機(jī)的海量數(shù)據(jù)中尋找其規(guī)律的技術(shù)，它是數(shù)據(jù)庫(kù)研究中的一個(gè)很有應(yīng)用價(jià)值的新領(lǐng)域。

1.1 數(shù)據(jù)挖掘的定義

H包含如下功能：

綜上所述，數(shù)據(jù)挖掘具有三大特點(diǎn)：其一是處理大型數(shù)據(jù)；其二應(yīng)用數(shù)據(jù)挖掘的目的是發(fā)現(xiàn)未知的、有意義的模式或規(guī)律；其三是一個(gè)對(duì)大量數(shù)據(jù)處理的過程，有特定的步驟[3]。

1.2 數(shù)據(jù)挖掘的主要方法

數(shù)據(jù)挖掘是一個(gè)多學(xué)科交叉領(lǐng)域，它由人工智能、機(jī)器學(xué)習(xí)的方法起步，并與統(tǒng)計(jì)分析方法、模糊數(shù)學(xué)和可視化技術(shù)相融合，以數(shù)據(jù)庫(kù)為研究對(duì)象，圍繞面對(duì)應(yīng)用，為決策者提供服務(wù)。

數(shù)據(jù)挖掘的方法主要可分為六大類：統(tǒng)計(jì)分析方法、歸納學(xué)習(xí)方法、仿生物技術(shù)、可視化技術(shù)、聚類方法和模糊數(shù)學(xué)方法。歸納學(xué)習(xí)法是目前重點(diǎn)研究的方向，本文根據(jù)給定的訓(xùn)練樣本數(shù)據(jù)集，采用歸納學(xué)習(xí)法中的決策樹技術(shù)構(gòu)造分類模型，將事例分類成不同的類別。

2 決策樹算法基本理論

2.1 決策樹方法介紹

決策樹[4]方法是以事例學(xué)習(xí)為基礎(chǔ)的歸納推算法，著眼于從一組無序的，無規(guī)則的事例中推斷出類似條件下會(huì)得到什么值這類規(guī)則的方法，它是一種逼近離散值函數(shù)的方法，也可以看作一個(gè)布爾函數(shù)[5]。決策樹歸納方法是目前許多數(shù)據(jù)挖掘商用系統(tǒng)的基礎(chǔ)，可以應(yīng)用于分析數(shù)據(jù)，同樣也可以用來作預(yù)測(cè)。建模過程中，即樹的生長(zhǎng)過程是不斷的把數(shù)據(jù)進(jìn)行切分，采用“自頂向下，分而治之”的方法將問題的搜索空間劃分為若干個(gè)互不交叉的子集，通常用來形成分類器和預(yù)測(cè)模型。如圖1所示，為決策樹的示意圖。

決策樹一種類似流程圖的樹形結(jié)構(gòu)，是一種知識(shí)的表現(xiàn)形式。為了對(duì)未知樣本進(jìn)行分類，生成具體的分類規(guī)則，信息樣本的各個(gè)屬性值要在決策樹上進(jìn)行測(cè)試。主要分為兩個(gè)階段：在第一階段中生成樹。決策樹最上面的節(jié)點(diǎn)為根節(jié)點(diǎn)，是整個(gè)決策樹的開始，然后遞歸的進(jìn)行數(shù)據(jù)分區(qū)，每次切分對(duì)應(yīng)一個(gè)問題，也對(duì)應(yīng)著一個(gè)節(jié)點(diǎn)；在第二階段中對(duì)樹進(jìn)行修剪，此過程中去掉一些可能是噪音或異常的數(shù)據(jù)，防止決策樹的過匹配，進(jìn)而保證生成決策樹的有效性和合理性。當(dāng)一個(gè)節(jié)點(diǎn)中的所有數(shù)據(jù)都屬于同一類別，或者沒有屬性可以再用于數(shù)據(jù)進(jìn)行分割時(shí)，分割工作停止。具體的工作流程如圖2所示。

2.2 C4.5算法

1986年Ross Quinlan首次提出了ID3決策樹算法，它是最早的決策樹算法之一。ID3算法運(yùn)用信息熵理論，選擇當(dāng)前樣本中具有信息增益值的屬性作為測(cè)試屬性，對(duì)樣本的劃分則依據(jù)測(cè)試屬性的取值[6]。C4.5算法是在ID3算法基礎(chǔ)上發(fā)展起來的，它繼承了ID3算法的全部?jī)?yōu)點(diǎn)，并增加了新的功能改進(jìn)了ID3算法中的不足，可以進(jìn)行連續(xù)值屬性處理并處理未知值的訓(xùn)練樣本。在應(yīng)用單機(jī)的決策樹算法中，C4.5算法不僅分類準(zhǔn)確而且執(zhí)行速度快。

C4.5通過兩個(gè)步驟來建立決策樹：第一階段樹的生成，第二階段樹的剪枝。C4.5算法采用信息增益率來記錄字段不同取值的選擇，首先計(jì)算各個(gè)屬性的信息增益率，尋找到規(guī)則信息的優(yōu)劣，選出信息增益率最大的屬性作為結(jié)點(diǎn)，自頂向下生成決策樹。C4.5算法構(gòu)造決策樹的基本策略如下：

首先計(jì)算出給定樣本所需的期望信息，設(shè)S為一個(gè)包含s個(gè)數(shù)據(jù)樣本的集合，對(duì)于類別屬性，可以取m個(gè)不同取值，分別對(duì)應(yīng)于m個(gè)不同的類別[Ci（i∈1，2，...，m）]。假設(shè)類別[Ci]中的樣本個(gè)數(shù)為[si]，期望信息為：

其中，[Pi]是任意樣本屬于[Ci]的概率，并用[sis]估計(jì)。

接著，計(jì)算當(dāng)前樣本集合所需用的信息熵，設(shè)一個(gè)屬性A具有n個(gè)不同的值[（a1，a2，...an）]，利用屬性A可以將集合S劃分為n個(gè)子集[S1，S2，...Sn]，其中[Sj]包含了S集合中屬性A取[aj]值的樣本數(shù)據(jù)。如果屬性A被選作測(cè)試屬性，設(shè)[Sij]為[Sj]中屬于[Ci]類別的樣本集，根據(jù)A劃分計(jì)算的熵為：

然后利用屬性A對(duì)當(dāng)前分支結(jié)點(diǎn)進(jìn)行相應(yīng)樣本集合劃分計(jì)算信息增益：

最后，求信息增益率，表達(dá)式為：

C4.5算法的偽代碼如下：

輸入：訓(xùn)練樣本Samples；目標(biāo)屬性Target—attribute；候選屬性的集合Attributes

輸出：一棵決策樹

1）創(chuàng)建根節(jié)點(diǎn)root；

2）If Samples都在同一類C Then；

3）返回label=類C的單結(jié)點(diǎn)樹root；

4）If Attributes為空Then；

5）返回單結(jié)點(diǎn)樹root，[label=Samples]中最普遍的Target-Atribute值；

6）Else；

7）For each測(cè)試屬性列表Attributes中的屬性；

8）IF測(cè)試屬性是連續(xù)的Then；

9）對(duì)測(cè)試屬性進(jìn)行離散化處理，找出使其信息增益比率最大的分割閾值；

10）Else；

11）計(jì)算測(cè)試屬性的信息增益比率；

20）添加子樹Generate Tree C4.5；

21）對(duì)已建立的決策樹計(jì)算每個(gè)結(jié)點(diǎn)的分類錯(cuò)誤，進(jìn)行剪枝，并返回根結(jié)點(diǎn)Root。

3 畢業(yè)論文成績(jī)管理系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)

利用數(shù)據(jù)挖掘技術(shù)對(duì)學(xué)生的成績(jī)數(shù)據(jù)進(jìn)行提煉，所產(chǎn)生的結(jié)果和信息會(huì)對(duì)以后的教學(xué)管理工作提供有用的信息，進(jìn)而獲得更好的管理效益。解決問題的重點(diǎn)在于怎樣對(duì)學(xué)生的畢業(yè)論文成績(jī)進(jìn)行全面且深度的分析，從而挖掘出成績(jī)與其他因素之間隱藏的內(nèi)在聯(lián)系。本文采用決策樹技術(shù)挖掘信息時(shí)，主要操作步驟如下：

1）確定挖掘來源：清晰地定義挖掘?qū)ο?，明確挖掘目標(biāo)是數(shù)據(jù)挖掘所有工作中重要的一步。本文中應(yīng)用于挖掘的數(shù)據(jù)信息是畢業(yè)生的畢業(yè)論文成績(jī)，旨在通過對(duì)大量成績(jī)數(shù)據(jù)進(jìn)行各層次的挖掘，全面了解具體影響學(xué)生畢業(yè)論文成績(jī)的各方面因素，正確的針對(duì)問題擬定分析過程。

2）獲取相關(guān)知識(shí)：數(shù)據(jù)是挖掘知識(shí)最原始的資料，根據(jù)確定的數(shù)據(jù)分析對(duì)象，抽象出數(shù)據(jù)分析中所需要的特征信息模型。領(lǐng)域問題的數(shù)據(jù)收集完成之后，與目標(biāo)信息相關(guān)的屬性也隨之確定。這些數(shù)據(jù)有些是可以直接獲得的，有些則需要對(duì)學(xué)生進(jìn)行調(diào)查才能的得到。

3）數(shù)據(jù)預(yù)處理：此過程中是對(duì)已收集的大量數(shù)據(jù)進(jìn)行整合與檢查。因?yàn)榇娣旁跀?shù)據(jù)庫(kù)中的數(shù)據(jù)一般是不完整的、不一致的，通常還含有噪聲的存在。因此就需要對(duì)數(shù)據(jù)庫(kù)中數(shù)據(jù)進(jìn)行清理、整理和歸并，以提高挖掘過程的精度和性能。

4）數(shù)據(jù)轉(zhuǎn)換：對(duì)預(yù)處理后的數(shù)據(jù)建立分析模型，對(duì)于特定的任務(wù)，需要選擇合適的算法來建立一個(gè)準(zhǔn)確的適合挖掘算法的分析模型。本文采用決策樹技術(shù)進(jìn)行分類建模來解決相應(yīng)的問題。

5）分類挖掘知識(shí)和信息：此階段的工作目的是根據(jù)系統(tǒng)最終要實(shí)現(xiàn)的功能和任務(wù)來確定挖掘的分類模型。選擇合適的數(shù)據(jù)挖掘技術(shù)及算法，并采用恰當(dāng)?shù)某绦蛟O(shè)計(jì)語言來實(shí)現(xiàn)該算法，對(duì)凈化和轉(zhuǎn)換過得數(shù)據(jù)訓(xùn)練集進(jìn)行挖掘，獲得有價(jià)值的分析信息。

6）知識(shí)表示：將數(shù)據(jù)挖掘得到的分析信息進(jìn)一步的解釋和評(píng)價(jià)，生成可用的、正確的、可理解的分類規(guī)則呈現(xiàn)給管理者，應(yīng)用于實(shí)踐。

7）知識(shí)應(yīng)用：將分析得到的規(guī)則應(yīng)用到教學(xué)管理中，教師可以利用所得到的知識(shí)針對(duì)性的開展畢業(yè)設(shè)計(jì)的教學(xué)活動(dòng)，進(jìn)一步指導(dǎo)教學(xué)工作，提高教學(xué)水平和學(xué)生的畢業(yè)論文質(zhì)量。

4 結(jié)論

最終發(fā)現(xiàn)影響學(xué)生畢業(yè)論文成績(jī)主要的因素不是指導(dǎo)教師的職稱，學(xué)生的基礎(chǔ)及感興趣程度，而是指導(dǎo)教師的學(xué)歷高低。根據(jù)具體分類規(guī)則的結(jié)論，學(xué)校教學(xué)管理工作應(yīng)加重對(duì)教師的素質(zhì)及能力培養(yǎng)，合理的分配每個(gè)教師的畢業(yè)論文指導(dǎo)工作，不僅能夠有效的完成畢業(yè)課題指導(dǎo)工作，更有助于學(xué)生整體論文質(zhì)量的提高。

在高校教學(xué)數(shù)字化的時(shí)代趨勢(shì)下，利用數(shù)據(jù)挖掘技術(shù)來挖掘提取教學(xué)工作中的全面而有價(jià)值信息，可以為教育管理者的教學(xué)工作提供有效的參考信息，改進(jìn)教學(xué)管理方法，提高教學(xué)質(zhì)量和學(xué)生的綜合素質(zhì)，是高校保持良好的可持續(xù)發(fā)展的有力工具。

參考文獻(xiàn)：

[1] 劉玉文.數(shù)據(jù)挖掘在高校招生中的研究與應(yīng)用[D].上海：上海師范大學(xué)，2008.

[2] 魏萍萍，王翠茹，王保義，張振興.數(shù)據(jù)挖掘技術(shù)及其在高校教學(xué)系統(tǒng)中的應(yīng)用[J].計(jì)算機(jī)工程，2003.29（11）：87-89.

[3] 劉林東. Web挖掘在考試系統(tǒng)中的應(yīng)用[J].計(jì)算機(jī)應(yīng)用研究，2005（2）：150-154.

[4] Tom M Mitchell.（美）卡內(nèi)基梅隆大學(xué).機(jī)器學(xué)習(xí)[D].曾華軍，張銀奎，譯，北京：機(jī)械工業(yè)出版社，2003.

數(shù)據(jù)挖掘技術(shù)分析論文范文第2篇

>> 基于Web結(jié)構(gòu)挖掘的HITS算法研究 基于C程序冒泡排序算法的研究與改進(jìn) 排序算法綜述 基于數(shù)據(jù)結(jié)構(gòu)的選擇排序算法剖析與改進(jìn) 快速排序算法的分析與研究 探究基于云計(jì)算的Web結(jié)構(gòu)挖掘算法 基于Web結(jié)構(gòu)挖掘算法的網(wǎng)站構(gòu)建 排序算法研究 基于遺傳算法與神經(jīng)網(wǎng)絡(luò)混合算法的數(shù)據(jù)挖掘技術(shù)綜述 數(shù)據(jù)挖掘算法研究與綜述 基于超鏈接分析技術(shù)的排序算法的研究高國(guó)順 基于模糊聚類算法及推薦技術(shù)的搜索引擎結(jié)果排序研究 基于綜合排序的高維多目標(biāo)進(jìn)化算法研究 數(shù)據(jù)結(jié)構(gòu)排序算法可視化的設(shè)計(jì) 一種基于排序獎(jiǎng)懲的蟻群算法 基于Hadoop的海量網(wǎng)分?jǐn)?shù)據(jù)MapReduce排序算法 基于快速排序算法的文獻(xiàn)檢索技術(shù) 基于FPGA的并行全比較排序算法 基于C語言排序的算法改進(jìn)與應(yīng)用 基于排序的增強(qiáng)球形空時(shí)碼譯碼算法 常見問題解答 當(dāng)前所在位置：.

[2] http：///f？kz=691510974.

[3] J.M.Kleinberg. Authoritativesources in ahyperlinked environment. Proc.9th ACM-SIAM Symposium on Discrete Algorithms. 1998：668-677.

[4] 李曉明，劉建國(guó).搜索引擎技術(shù)及趨勢(shì).大學(xué)圖書館學(xué)報(bào)，2000，（16）.

[5] 陳新中，李巖，謝永紅，楊炳儒. Web挖掘研究.計(jì)算機(jī)工程與應(yīng)用，2002_13.

[6] 劉軍.基于Web結(jié)構(gòu)挖掘的HITS算法研究.碩士學(xué)位論文.中南大學(xué)，2008.

[7] 劉悅.WWW上鏈接分析算法的若干研究：（博士學(xué)位論文）.北京：中國(guó)科學(xué)院，2003.

[8] A. Blum and T. Mitchell. Combining labeled and unlabeled data with Containing. In COLT：Proceedings of the Workshop on Computational Learning Theory.Morgan Kaufmann Publishers. 1998.

[9] Chakrabarti S， Gerg M， Dom B. Focused Crawling：A New Approach to Topic-Specific Web Resource Discovery. Computer Networks. 1999，31（11）：1623-1640.

[10] S. Brin and L. Page. The anatomy of a large-scale hypertextual Web search Engine. In seventh International World Wide Web Conference. Brisbane. Australia， 1998.

[11] Haveliwala T H. Topic-sensitive PageRank[C]. Proceedings of the Eleventh International Word Wide Web Conference. Hoho Lulu Hawaii，2002.

[12] 江裕明.基于超鏈接的Web結(jié)構(gòu)挖掘算法的研究.碩士學(xué)位論文.西安電子科技大學(xué)，2006.1.

[13] Jiawei Han， Micheline Kamber. Data Mining： Concepts and Techniques. Morgan Kaufmann 2000.

[14] 劉芳芳.Web鏈接分析中HITS算法的研究.碩士學(xué)位論文.大連理工大學(xué)，2006.

[15] 李秋銳.基于蜜罐網(wǎng)絡(luò)的郵件捕獲系統(tǒng)分析與部署[J].信息網(wǎng)絡(luò)安全，2012，（01）：64-67.

[16] 郎為民， 楊德鵬， 李虎生.智能電網(wǎng)WCSN安全體系架構(gòu)研究[J].信息網(wǎng)絡(luò)安全，2012，（04）：19-22.

基金項(xiàng)目：

阿壩師專2011年校級(jí)科研基金（編號(hào)：ASC10-19）。

數(shù)據(jù)挖掘技術(shù)分析論文范文第3篇

在高校教育領(lǐng)域，就當(dāng)前階段數(shù)據(jù)挖掘還是一種較新的技術(shù)。如何在高校的學(xué)生成績(jī)管理中合理的利用數(shù)據(jù)挖掘技術(shù)，對(duì)存放了大量學(xué)生的信息的數(shù)據(jù)庫(kù)中的數(shù)據(jù)進(jìn)行挖掘處理，從而提取出可以對(duì)教師的教和學(xué)生的學(xué)都起到積極促進(jìn)作用的關(guān)鍵性規(guī)律，獲得更加良好的教學(xué)效果是我們目前高校的教育工作者面臨的一大急需解決的有價(jià)值的問題。隨著數(shù)據(jù)挖掘技術(shù)的成熟，它的應(yīng)用領(lǐng)域也在不斷的擴(kuò)展，被關(guān)注程度也不斷提高，很多高校已經(jīng)投入大量的人力物力在這項(xiàng)研究工作上，并逐漸的將其研究成果應(yīng)用于日常的教學(xué)及管理工作中。比如，將其應(yīng)用在學(xué)生信息的管理、學(xué)生的各門課的成績(jī)分析和考試系統(tǒng)、教育教學(xué)的評(píng)估工作等，這些應(yīng)用都將對(duì)提高高校的教學(xué)和管理水平等各方面都起到十分顯著的的指導(dǎo)作用[1]。

1 當(dāng)前很多高校學(xué)生的成績(jī)管理面臨的問題

目前大部分高校教務(wù)管理系統(tǒng)是采用聯(lián)機(jī)的事務(wù)處理系統(tǒng)對(duì)學(xué)生成績(jī)進(jìn)行管理，成績(jī)數(shù)據(jù)只能簡(jiǎn)單地存儲(chǔ)于數(shù)據(jù)庫(kù)中，而對(duì)數(shù)據(jù)的處理也停留在單純的數(shù)據(jù)查詢和插入修改等功能上，僅有的對(duì)成績(jī)的分析可能也只是求總和、平均值、均方差和合格率等之類的統(tǒng)計(jì)。教務(wù)管理系統(tǒng)中的數(shù)據(jù)單純的保存了相關(guān)數(shù)據(jù)信息而沒有能夠挖掘出這些數(shù)據(jù)背后所隱藏的可能有用信息——例如學(xué)生每門課程取得的成績(jī)的可能原因、每門課程的諸多知識(shí)點(diǎn)之間以及課程和課程之間的聯(lián)系。龐大的數(shù)據(jù)庫(kù)里數(shù)據(jù)和數(shù)據(jù)之間存在著很多的關(guān)聯(lián)，我們?nèi)绾纬浞掷眠@些數(shù)據(jù)關(guān)聯(lián)，為高校教育教學(xué)決策者提供一定的決策依據(jù)，從而科學(xué)的指導(dǎo)教學(xué)，提高高校的教學(xué)及管理水平，進(jìn)一步提高辦學(xué)效益和水平，是目前高校需要去面對(duì)和解決的問題。

2 利用數(shù)據(jù)挖掘技術(shù)管理學(xué)生成績(jī)

數(shù)據(jù)挖掘技術(shù)就是從大量的、有噪聲的、不完全的、隨機(jī)的、模糊的應(yīng)用數(shù)據(jù)中來提取隱藏在其中的潛在并且十分有用的信息過程[2]。利用數(shù)據(jù)挖掘?qū)Υ鎯?chǔ)在高校成績(jī)數(shù)據(jù)庫(kù)中的學(xué)生成績(jī)數(shù)據(jù)信息進(jìn)行全面的深層次的分析和挖掘，達(dá)到全面地分析成績(jī)數(shù)據(jù)的優(yōu)劣及產(chǎn)生原因、各種因素之間隱含的內(nèi)在聯(lián)系的目的。挖掘分析這些數(shù)據(jù)所隱藏的有用信息，找到對(duì)指導(dǎo)教師教學(xué)和學(xué)生學(xué)習(xí)有用的知識(shí)，幫助高校管理者對(duì)未來高校的發(fā)展進(jìn)步的決策。由此可見，數(shù)據(jù)挖掘技術(shù)一定會(huì)在教師提高教學(xué)質(zhì)量、學(xué)生增加學(xué)習(xí)效率和學(xué)校強(qiáng)化管理水平等方面起到至關(guān)重要的引導(dǎo)作用[3]。

第一，使用計(jì)算機(jī)對(duì)高校學(xué)生成績(jī)進(jìn)行信息管理相對(duì)于傳統(tǒng)管理方法有著十分明顯優(yōu)勢(shì)：在現(xiàn)代的互聯(lián)網(wǎng)時(shí)代，信息的管理早已經(jīng)超越傳統(tǒng)概念，使用計(jì)算機(jī)存儲(chǔ)量大且成本低，可以長(zhǎng)久保存，同時(shí)對(duì)信息的檢索更迅速也更方便，結(jié)果的可靠性也是傳統(tǒng)管理方法不可比擬的，這些也正是高校管理正規(guī)化和教育單位的科學(xué)化所必需的。

第二，學(xué)生成績(jī)管理系統(tǒng)對(duì)于任何一個(gè)教育單位來說都是一個(gè)不可或缺的組成部分。它對(duì)于高校的管理者的辦學(xué)思路的抉擇來說是至關(guān)重要的。高校的成績(jī)管理系統(tǒng)不僅應(yīng)該做到為用戶提供方便快捷的查詢手段還用改能夠提供充分的信息量以滿足不同用戶的不同查詢需求。學(xué)生可以通過這個(gè)系統(tǒng)方便的查找自己到各門課的考試成績(jī)及其他的教學(xué)相關(guān)信息；教師也能夠通過系統(tǒng)提供的查詢和分析工具非常準(zhǔn)確的掌握學(xué)生的成績(jī)變化，及時(shí)獲取教學(xué)效果反饋信息，改進(jìn)教學(xué)方式方法等；對(duì)高校的管理者來說，運(yùn)用了最新的數(shù)據(jù)挖掘技術(shù)的學(xué)生成績(jī)管理系統(tǒng)也可以讓他們更及時(shí)快捷的從海量的數(shù)據(jù)中找到有用的信息，從而為不斷提高高校的辦學(xué)質(zhì)量和管理水平提供保障。

3 學(xué)生成績(jī)管理系統(tǒng)的設(shè)計(jì)

3.1數(shù)據(jù)挖掘的過程

數(shù)據(jù)挖掘是一個(gè)多階段的復(fù)雜過程，如圖1所示直接數(shù)據(jù)目標(biāo)數(shù)據(jù)凈化數(shù)據(jù)數(shù)據(jù)源知識(shí)數(shù)據(jù)選擇清理與集成數(shù)據(jù)轉(zhuǎn)換數(shù)據(jù)挖掘模式評(píng)價(jià)數(shù)據(jù)預(yù)處理數(shù)據(jù)挖掘解釋和評(píng)價(jià)。

主要分為以下六個(gè)主要步驟[4]：

1）確定數(shù)據(jù)源。數(shù)據(jù)源的確立是整個(gè)系統(tǒng)的基礎(chǔ)，是挖掘結(jié)果準(zhǔn)確的保證。對(duì)學(xué)生成績(jī)信息進(jìn)行數(shù)據(jù)挖掘時(shí)，面向?qū)ο笫歉黝惒煌膶W(xué)生，例如教務(wù)處要挖掘的信息是面向全校學(xué)生的成績(jī)，從而掌握全校學(xué)生的學(xué)習(xí)情況，而每個(gè)系所要掌握的學(xué)生的學(xué)習(xí)情況是針對(duì)本系的學(xué)生來說的，所以要挖掘的對(duì)象也只是每個(gè)系學(xué)生的成績(jī)信息。他們面向?qū)ο蠛蛿?shù)據(jù)挖掘的目的都是不同的；

2）選定模型。為所挖掘的問題選擇恰當(dāng)?shù)臄?shù)據(jù)挖掘方法，并且針對(duì)該挖掘方法選擇幾種或是一種的算法。選擇何種算法將直接影響挖掘信息的質(zhì)量；

3）采集數(shù)據(jù)。這個(gè)階段在整個(gè)開發(fā)過程中將會(huì)占用開發(fā)者大部分的工作量和時(shí)間。因?yàn)殚_發(fā)者需要收集在以往的教學(xué)實(shí)踐中的數(shù)據(jù)信息，這些信息中，有些數(shù)據(jù)他們可以以直接的方式獲得，而有些數(shù)據(jù)可能需要對(duì)學(xué)生以問卷調(diào)查等形式獲得。

4）數(shù)據(jù)預(yù)處理。開發(fā)者在這一步需要將收集到的大量的不同的數(shù)據(jù)預(yù)處理，使其為一個(gè)分析數(shù)據(jù)模型；數(shù)據(jù)預(yù)處理是數(shù)據(jù)挖掘很重要的一步，數(shù)據(jù)只有經(jīng)過預(yù)處理才能提高挖掘?qū)ο蟮馁|(zhì)量；

5）數(shù)據(jù)挖掘。算法在這一步得到具體的實(shí)現(xiàn)，開發(fā)者將對(duì)經(jīng)過預(yù)處理的數(shù)據(jù)信息進(jìn)行挖掘；

6）解釋和評(píng)價(jià)。分析和驗(yàn)證上一步的挖掘結(jié)果，并從中找到有價(jià)值的信息，將其集成到教師的教學(xué)環(huán)節(jié)和學(xué)生的學(xué)習(xí)環(huán)節(jié)中去，使教師和學(xué)生可利用所得信息改進(jìn)教和學(xué)的策略，指導(dǎo)學(xué)生進(jìn)一步更好的學(xué)習(xí)。

3.2數(shù)據(jù)挖掘的方法

在實(shí)際應(yīng)用中需要根據(jù)對(duì)信息的實(shí)際需求選擇恰當(dāng)?shù)耐诰蛩惴?。通過對(duì)幾種常用的數(shù)據(jù)挖掘方法進(jìn)行比較和分析，本文選擇了以下兩種適合的算法：關(guān)聯(lián)分析方法以及決策樹分類方法。

1）關(guān)聯(lián)分析

利用關(guān)聯(lián)分析對(duì)數(shù)據(jù)進(jìn)行挖掘的目的就是挖掘出隱含在數(shù)據(jù)之間的關(guān)系。首先給定一組或一個(gè)記錄的集合，然后，通過分析此記錄集合從而推導(dǎo)出信息之間的相關(guān)性[5]。一個(gè)適用于關(guān)聯(lián)規(guī)則的最有說服力的例子就是“90%客戶在購(gòu)買黃油和面包的同時(shí)也會(huì)選擇購(gòu)買牛奶”，即：規(guī)則“購(gòu)買黃油和面包也會(huì)同時(shí)購(gòu)買牛奶”的信息可信度高達(dá)90%。在大型的數(shù)據(jù)庫(kù)系統(tǒng)中，類似的關(guān)聯(lián)規(guī)則會(huì)產(chǎn)生很多，因此需要開發(fā)者進(jìn)行篩選。一般來說，我們會(huì)采用 “可信度”和“支持度”這兩個(gè)閩值去淘汰一些沒有太多實(shí)際意義的規(guī)則。

關(guān)聯(lián)規(guī)則算法主要 有以下兩個(gè)步驟：第一步要求開發(fā)者查找出所有的頻繁項(xiàng)集。頻繁項(xiàng)集就是指其支持度大于或是等于最小支持度的那些項(xiàng)目集。第二步是指由頻繁項(xiàng)集所產(chǎn)生的強(qiáng)關(guān)聯(lián)規(guī)則，即所產(chǎn)生的以上規(guī)則一定要滿足最小置信度和最小支持度[6]。

在實(shí)際教學(xué)中應(yīng)用關(guān)聯(lián)分析的數(shù)據(jù)挖掘方法對(duì)學(xué)生成績(jī)信息進(jìn)行分析和處理，研究課程的開設(shè)先后關(guān)系以及各門課程的成績(jī)相關(guān)性，分析的結(jié)果將對(duì)一些課程的教與學(xué)提供很多有用的信息，使高校的教學(xué)工作邁上一個(gè)新的臺(tái)階。

2）決策樹算法對(duì)學(xué)生成績(jī)的分析

決策樹算法是以實(shí)例為基礎(chǔ)的歸納學(xué)習(xí)算法，用來形成數(shù)據(jù)挖掘的預(yù)測(cè)模型和分類器，同時(shí)可以對(duì)大量未知數(shù)據(jù)進(jìn)行預(yù)測(cè)或分類、數(shù)據(jù)的預(yù)處理以及數(shù)據(jù)挖掘等。通常包括兩部分：樹的生成和樹的剪枝[7]。

使用決策樹算法來提取分類規(guī)則時(shí)，規(guī)則使用以“if——then”的形式表示。決策樹算法和其他算法相比具有以下的優(yōu)勢(shì)：處理速度較快；從結(jié)果上來說，分類準(zhǔn)確率也更相近，算法更容易轉(zhuǎn)換為SQL語句。

4 結(jié)論

利用數(shù)據(jù)挖掘技術(shù)進(jìn)行高校學(xué)生的成績(jī)、心理分析和德育評(píng)估、教學(xué)及管理決策、教學(xué)質(zhì)量評(píng)估等，能夠?yàn)閷W(xué)生、教師以及教學(xué)管理人員等用戶提供相應(yīng)的數(shù)據(jù)信息支持，對(duì)教務(wù)管理和教學(xué)過程有著極為重要的指導(dǎo)意義，同時(shí)也為高校教與學(xué)、管理與決策的服務(wù)提供了一種新的思路。

參考文獻(xiàn)

[1]劉春陽，數(shù)據(jù)挖掘技術(shù)在高校成績(jī)管理中的應(yīng)用研究，學(xué)位論文大連交通大學(xué)，2009.

[2]J.Braehaan，T.Anand.The Proeess of Knowledge Diseovery in Databases.A Human一eentered APProaeh.1996：37-58.

[3]劉軍.決策樹分類算法的研究及其在教學(xué)分析中的應(yīng)用[D].河海大學(xué)，2006.

[4]鄧景毅.關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘綜述[J].電腦學(xué)習(xí)，2006(3)：2-3．

[5]趙輝.數(shù)據(jù)挖掘技術(shù)在學(xué)生成績(jī)分析中的研究及應(yīng)用，學(xué)位論文，大連海事大學(xué)，2007.

數(shù)據(jù)挖掘技術(shù)分析論文范文第4篇

摘要：基于現(xiàn)代計(jì)算機(jī)技術(shù)的快速發(fā)展，網(wǎng)絡(luò)技術(shù)和高等院校教育教學(xué)系統(tǒng)實(shí)現(xiàn)了有機(jī)整合，并且促進(jìn)了教育教學(xué)與組織管理等多種活動(dòng)的信息化發(fā)展，一定程度上提高了教育教學(xué)質(zhì)量以及效率，構(gòu)建了全新的教育教學(xué)管理模式。在此背景下，教育教學(xué)數(shù)字化發(fā)展速度也不斷加快，信息量增長(zhǎng)速度加快，對(duì)于信息提取的要求也隨之提高。所以，在大量數(shù)據(jù)當(dāng)中獲取重要的信息也逐漸成為高等院校教育教學(xué)決策的重要依據(jù)。基于此，文章將高校教育教學(xué)作為研究重點(diǎn)，闡述了數(shù)據(jù)挖掘技術(shù)的具體應(yīng)用，以供參考。

關(guān)鍵詞：高校教育教學(xué);數(shù)據(jù)挖掘技術(shù);運(yùn)用

一、數(shù)據(jù)挖掘概述

所謂的數(shù)據(jù)挖掘，具體指的就是在海量且模糊隨機(jī)數(shù)據(jù)當(dāng)中提取出隱含其中，同時(shí)具有潛在價(jià)值的信息與知識(shí)過程。將數(shù)據(jù)挖掘技術(shù)應(yīng)用在教育教學(xué)當(dāng)中，可以對(duì)海量數(shù)據(jù)予以深入挖掘與分析，進(jìn)而獲得數(shù)據(jù)當(dāng)中所隱含的潛在信息內(nèi)容，更好地為高校教育教學(xué)管理人員決策提供有力支持[1]。

二、高校教育教學(xué)管理中的數(shù)據(jù)挖掘技術(shù)應(yīng)用

2.1在教學(xué)質(zhì)量提升方面的應(yīng)用

高等院校為了更好地提高教學(xué)管理的質(zhì)量，教務(wù)管理部門會(huì)在學(xué)期期末測(cè)評(píng)學(xué)員領(lǐng)導(dǎo)與任課教師的教學(xué)思想、態(tài)度以及教學(xué)方法等，并且根據(jù)最終的評(píng)分結(jié)果來明確教師的教學(xué)質(zhì)量。然而，受評(píng)價(jià)人員對(duì)標(biāo)準(zhǔn)理解以及把握程度的影響，學(xué)生評(píng)價(jià)仍存在隨意性特征。

在這種情況下，導(dǎo)致評(píng)分結(jié)果很難對(duì)教學(xué)效果進(jìn)行真實(shí)地反映，因而也影響了教學(xué)質(zhì)量的評(píng)估。

但是，將數(shù)據(jù)挖掘技術(shù)應(yīng)用在教學(xué)質(zhì)量評(píng)估方面，通過對(duì)關(guān)聯(lián)規(guī)則算法的合理運(yùn)用，可以將教學(xué)質(zhì)量評(píng)價(jià)當(dāng)中的不同指標(biāo)權(quán)重系數(shù)進(jìn)行設(shè)定，并通過Apriori的算法來掃描數(shù)據(jù)集，在數(shù)據(jù)挖掘的作用下，獲取學(xué)歷、年齡以及職稱三者之間存在的聯(lián)系，同樣也可以獲得教學(xué)質(zhì)量和方法的關(guān)系[2]。

為此，高校教務(wù)管理部門就可以將獲得的規(guī)律應(yīng)用在教學(xué)管理實(shí)踐當(dāng)中，合理地設(shè)置督學(xué)小組并制定出聽課制度，將教學(xué)課堂教學(xué)的質(zhì)量真實(shí)且客觀地反映出來，實(shí)現(xiàn)高校教學(xué)水平的全面提升。

2.2課程體系結(jié)構(gòu)的有效完善

高等院校教育體系當(dāng)中的專業(yè)建設(shè)作用十分重要，所以，必須要具備高質(zhì)量的課程體系結(jié)構(gòu)設(shè)置。在對(duì)學(xué)生成績(jī)數(shù)據(jù)庫(kù)以及畢業(yè)生去向數(shù)據(jù)庫(kù)等多種數(shù)據(jù)信息進(jìn)行數(shù)據(jù)挖掘以后，可以通過對(duì)關(guān)聯(lián)分析與序列模式的分析和探究，獲得數(shù)據(jù)與數(shù)據(jù)間存在的相關(guān)性。

其中，課程間的關(guān)系和先后順序亦或是課程和課程體系結(jié)構(gòu)之間的關(guān)系等等。在此基礎(chǔ)上，保證學(xué)習(xí)高級(jí)課程前事先學(xué)習(xí)先行課程。以計(jì)算機(jī)專業(yè)《數(shù)據(jù)結(jié)構(gòu)》為例，在教學(xué)中將《C語言》作為重要的先行課程，以保證學(xué)生在學(xué)習(xí)《數(shù)據(jù)結(jié)構(gòu)》內(nèi)容的時(shí)候可以具備良好語言基礎(chǔ)，更深入地理解并靈活地應(yīng)用數(shù)據(jù)結(jié)構(gòu)當(dāng)中的算法。

而在完成《數(shù)據(jù)結(jié)構(gòu)》學(xué)習(xí)以后，應(yīng)根據(jù)學(xué)生就業(yè)走向和市場(chǎng)的實(shí)際需求來確定是否安排《JAVA語言程序設(shè)計(jì)》課程教學(xué)。這樣一來，學(xué)生的學(xué)習(xí)成績(jī)實(shí)現(xiàn)了有效地提高，更利于學(xué)生未來就業(yè)。除此之外，對(duì)內(nèi)容重復(fù)的課程進(jìn)行有效地壓縮，將落后的課程內(nèi)容適當(dāng)?shù)貏h除，與專業(yè)特點(diǎn)相結(jié)合。

由此可見，將數(shù)據(jù)挖掘技術(shù)應(yīng)用在高校教學(xué)中，對(duì)于專業(yè)建設(shè)以及課程改革決策具有積極的作用。

三、網(wǎng)絡(luò)教學(xué)中的數(shù)據(jù)挖掘技術(shù)應(yīng)用

在網(wǎng)絡(luò)教學(xué)中應(yīng)用數(shù)據(jù)挖掘技術(shù)，可以從Web文件以及Web活動(dòng)當(dāng)中選擇出用戶較為感興趣的有價(jià)值模式以及信息，這就是所謂的Web挖掘[3]。因?yàn)榻邮芙逃龑?duì)象在多個(gè)方面都存在差異，具體表現(xiàn)在個(gè)人學(xué)習(xí)目標(biāo)、學(xué)習(xí)能力與知識(shí)基礎(chǔ)的差異等。為此，網(wǎng)絡(luò)教學(xué)也必須要能夠適應(yīng)個(gè)性化的學(xué)習(xí)需求?？梢园巡煌脩魧W(xué)習(xí)狀況與軌跡詳細(xì)記錄并存放至數(shù)據(jù)庫(kù)當(dāng)中，通過對(duì)WEB挖掘技術(shù)的合理運(yùn)用，在序列模式挖掘的作用下合理地分類文檔，以保證學(xué)生信息檢索速度的提高。

另外，也可以根據(jù)學(xué)生訪問瀏覽的數(shù)據(jù)挖掘并分析，針對(duì)訪問的數(shù)據(jù)展開聚類分析，以保證更好地了解學(xué)生感興趣的內(nèi)容，并為其推送相關(guān)內(nèi)容。與此同時(shí)，可以在相關(guān)聯(lián)的頁面當(dāng)中合理地設(shè)置超鏈接，對(duì)網(wǎng)站結(jié)構(gòu)予以有效地改善，確保頁面間的鏈接與用戶訪問的習(xí)慣更吻合。

結(jié)束語：

總而言之，在高校教育教學(xué)中合理地運(yùn)用數(shù)據(jù)挖掘技術(shù)可以在大量數(shù)據(jù)信息當(dāng)中處理并提取出更具價(jià)值的信息內(nèi)容，促進(jìn)高等院校教育教學(xué)管理工作的正常開展，特別是評(píng)估與決策方面，數(shù)據(jù)挖掘技術(shù)的作用更為明顯。

除此之外，該技術(shù)也可以應(yīng)用在網(wǎng)絡(luò)教學(xué)當(dāng)中，使得網(wǎng)絡(luò)教學(xué)資源配置更加合理，在教育教學(xué)中充分發(fā)揮自身的效用。上文針對(duì)數(shù)據(jù)挖掘技術(shù)在高校教育教學(xué)中的實(shí)際應(yīng)用展開了相關(guān)性地研究和分析，主要的目的就是為了更好地幫助高校進(jìn)行決策，為學(xué)生提供更為理想的學(xué)習(xí)環(huán)境，在提高學(xué)生學(xué)習(xí)興趣的基礎(chǔ)上，增強(qiáng)高校教育教學(xué)的質(zhì)量與效率。

參考文獻(xiàn)

[1]侯錕.數(shù)據(jù)挖掘技術(shù)在高校教育教學(xué)中的應(yīng)用[J].吉林省教育學(xué)院學(xué)報(bào)(下旬),2012,28(7):51-52.

數(shù)據(jù)挖掘技術(shù)分析論文范文第5篇

【關(guān)鍵詞】 計(jì)算機(jī) 數(shù)據(jù)挖掘技術(shù) 開發(fā)

引言：計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)是基于計(jì)算機(jī)原有的功能基礎(chǔ)之上，融入了一些統(tǒng)計(jì)學(xué)理論，使人們可以利用數(shù)據(jù)挖掘技術(shù)在眾多的計(jì)算機(jī)系統(tǒng)內(nèi)部的信息中抓取自己需要的信息和數(shù)據(jù)。計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)的出現(xiàn)極大的促進(jìn)了社會(huì)整體的進(jìn)步，引領(lǐng)了社會(huì)各個(gè)領(lǐng)域內(nèi)的數(shù)據(jù)量潮流，人們要想在無限的數(shù)據(jù)中采集有用信息，就必須深入計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)的開發(fā)研究。

一、計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)開發(fā)流程

1.1明確數(shù)據(jù)挖掘目的

由于數(shù)據(jù)挖掘技術(shù)的功能是多種多樣的，所以在開發(fā)具體的計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)過程中需要根據(jù)自身需要明確數(shù)據(jù)挖掘目的，進(jìn)而選擇對(duì)應(yīng)數(shù)據(jù)庫(kù)。因?yàn)樵陂_發(fā)過程中，不同的數(shù)據(jù)挖掘目標(biāo)需要依靠不同的挖掘技術(shù)數(shù)據(jù)算法，如果目的不明很容易造成最終開發(fā)結(jié)果的偏差[1]。

1.2數(shù)據(jù)選擇和預(yù)處理

明確數(shù)據(jù)挖掘目標(biāo)、數(shù)據(jù)庫(kù)后還要對(duì)所持有的數(shù)據(jù)進(jìn)行選擇和預(yù)處理，數(shù)據(jù)選擇是要將數(shù)據(jù)中的部分信息納入數(shù)據(jù)挖掘研究范圍內(nèi)，預(yù)處理是將這些數(shù)據(jù)中的錯(cuò)誤信息進(jìn)行刪除和修正，確保列下有用信息。

1.3數(shù)據(jù)挖掘

數(shù)據(jù)挖掘過程中要有兩個(gè)步驟，其一是根據(jù)挖掘目標(biāo)確定接下來要利用的開發(fā)技術(shù)和采用的算法，其二是在確定了挖掘技術(shù)和數(shù)據(jù)算法后構(gòu)建出數(shù)學(xué)模型，以此來推動(dòng)挖掘技術(shù)的開發(fā)。

1.4評(píng)估結(jié)果

評(píng)估結(jié)果的最大作用就是對(duì)開發(fā)出的數(shù)據(jù)挖掘結(jié)果進(jìn)行科學(xué)評(píng)估，對(duì)數(shù)據(jù)挖掘技術(shù)的開發(fā)成果進(jìn)行檢測(cè)和驗(yàn)證。如果數(shù)據(jù)挖掘結(jié)果不能夠達(dá)到數(shù)據(jù)挖掘開發(fā)目的要求，就要及時(shí)進(jìn)行修正，如果數(shù)據(jù)開發(fā)結(jié)果符合數(shù)據(jù)開發(fā)目的要求，那么就可以將其投入到實(shí)踐應(yīng)用之中[2]。

二、計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)開發(fā)

1、可視化技術(shù)開發(fā)。要想得到有效的信息，就需要從計(jì)算機(jī)系統(tǒng)中獲得的信息入手，但是當(dāng)前的網(wǎng)絡(luò)信息中存在不少的隱性信息，這些信息的獲得就要依靠計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)。采用計(jì)算機(jī)挖掘技術(shù)可以有效的抓取隱性信息的某些特征，當(dāng)利用散點(diǎn)圖的方式將這些隱性信息表現(xiàn)出來。所以可視化技術(shù)是計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)開發(fā)項(xiàng)目中的一個(gè)重點(diǎn)。

2、聯(lián)機(jī)分析處理。網(wǎng)絡(luò)是復(fù)雜的，其中的網(wǎng)絡(luò)信息和數(shù)據(jù)更是十分的龐雜，要想快速、準(zhǔn)確的抓取到自己想要的信息，需要依靠聯(lián)機(jī)分析出不同地域和時(shí)段的多維數(shù)據(jù)，聯(lián)機(jī)分析處理方式需要依靠用戶的配合。在處理多維數(shù)據(jù)時(shí)，需要所有計(jì)算機(jī)用戶自行的使用或者篩選出分析算法，利用這些分析算法對(duì)數(shù)據(jù)做處理，這樣對(duì)探索數(shù)據(jù)也有巨大的推動(dòng)作用。

3、決策樹。計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)的開發(fā)中需要對(duì)決策樹進(jìn)行規(guī)則化建立，決策樹是一項(xiàng)重要的開發(fā)項(xiàng)目，因?yàn)闆Q策樹的作用是發(fā)揮預(yù)測(cè)和分類的功能，對(duì)所處理的數(shù)據(jù)信息進(jìn)行具體的預(yù)測(cè)和分類。目前開發(fā)的決策樹算法已經(jīng)有很多種，主要有SLIQ、SPRINT、ID3、C4.5等，SLIQ算法具備連續(xù)性屬性，還可以對(duì)數(shù)據(jù)做出具體的分類，SPRINT算法與SLIQ算法有同樣的功能屬性，并且這兩種算法可以通過大型訓(xùn)練集對(duì)決策時(shí)做出歸納[3]。

4、計(jì)算機(jī)神經(jīng)網(wǎng)絡(luò)。計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)在開發(fā)之中借助了醫(yī)學(xué)神經(jīng)系統(tǒng)的研究結(jié)果，將人體神經(jīng)元研究脈絡(luò)通過技術(shù)處理形成了計(jì)算機(jī)網(wǎng)絡(luò)神經(jīng)的研究，并且經(jīng)過一系列的深入探索，目前已經(jīng)取得了重大的成果。計(jì)算機(jī)中研發(fā)出的神經(jīng)網(wǎng)絡(luò)是安全輸入、輸出和處理單元三種類型進(jìn)行規(guī)劃的，這三個(gè)層面代表了計(jì)算機(jī)神經(jīng)網(wǎng)絡(luò)系統(tǒng)，當(dāng)前的開發(fā)結(jié)果中顯示，可以利用計(jì)算機(jī)神經(jīng)網(wǎng)絡(luò)技術(shù)實(shí)現(xiàn)數(shù)據(jù)的調(diào)整、計(jì)算和整理。

5、遺傳算法。計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)的開發(fā)中借鑒了許多其他學(xué)科領(lǐng)域中的研究方向和理論，在自然學(xué)科中，生物基因可以通過遺傳中的不同變化促進(jìn)后代的自我優(yōu)化，利用這種思想理論，在計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)的開發(fā)中也可以通過對(duì)不同模型進(jìn)行組合、演變來創(chuàng)新開發(fā)出新的數(shù)據(jù)算法。

結(jié)束語：計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)屬于當(dāng)前社會(huì)中最重要的分析工具之一，數(shù)據(jù)挖掘技術(shù)已經(jīng)被各個(gè)領(lǐng)域廣泛的應(yīng)用，并且其功能得到驗(yàn)證，極大的促進(jìn)了社會(huì)行業(yè)的快速發(fā)展。隨著科技水平的日益提升，相信計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)將會(huì)得到更多方面的創(chuàng)新研究和開發(fā)，給社會(huì)帶來更大的促進(jìn)作用。

參 考 文 獻(xiàn)

[1]夏天維. 計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)的開發(fā)及其應(yīng)用探究[A]. 《Q策與信息》雜志社、北京大學(xué)經(jīng)濟(jì)管理學(xué)院.“決策論壇――管理科學(xué)與工程研究學(xué)術(shù)研討會(huì)”論文集（下）[C].《決策與信息》雜志社、北京大學(xué)經(jīng)濟(jì)管理學(xué)院：，2016：1.