數(shù)據(jù)挖掘技術在各個領域上應用的研討劉策

劉喆

本文首先對數(shù)據(jù)挖掘的現(xiàn)狀以及發(fā)展方向作出了整體的概括，接下來對數(shù)據(jù)挖掘在電力系統(tǒng)，醫(yī)學領域，商業(yè)領域以及軍事領域上分別進行了闡述。

數(shù)據(jù)挖掘的現(xiàn)狀及發(fā)展方向：

在現(xiàn)階段，基于數(shù)據(jù)挖掘的算法已經(jīng)被學術界所接受，并在實際中得到了大量的應用。從本質上講，數(shù)據(jù)挖掘實際上就是從海量的數(shù)據(jù)（結構化與非結構化）上挖掘到的實現(xiàn)不為人知的、隱含在數(shù)據(jù)中的潛在的信息。挖掘出來的信息具有很大的價值，可能是用戶具有用戶感興趣的、可理解、可使用的、可以為我們帶來收益的，對科學研究具有巨大導向的。數(shù)據(jù)挖掘過程的流程主要有數(shù)據(jù)準備（數(shù)據(jù)的提取，數(shù)據(jù)的轉換，數(shù)據(jù)的加工，數(shù)據(jù)的預處理），數(shù)據(jù)挖掘，解釋與評估。數(shù)據(jù)挖掘將數(shù)據(jù)中的各種特征下的信息直觀的呈現(xiàn)出來。

數(shù)據(jù)挖掘的功能及存在的問題：

數(shù)據(jù)挖掘的功能大體分為兩個部分，第一部分是通過分析海量數(shù)據(jù)在不同屬性不同維度下表現(xiàn)出的對象特征，對象的特征以及對象間的相關性來劃分不同類別進行事物的描述，對內(nèi)在的關系進行分析及總結。第二部分為關聯(lián)是某種事物與另一種事物很有可能同時發(fā)生，或者一種事物發(fā)生后另外一種事物很可能會連帶著發(fā)生。對數(shù)據(jù)中蘊含的規(guī)律進行分析及把握并預測未來的發(fā)展動態(tài)針對未來的發(fā)展趨勢，采取相應的措施。并對極少數(shù)的，特殊的對象進行重點分析，挖掘出內(nèi)在的關系，提取出有價值的信息。

1 數(shù)據(jù)挖掘在電力系統(tǒng)中的應用

數(shù)據(jù)挖掘運用到電力系統(tǒng)中主要有以下幾個方面的任務：

從電力系統(tǒng)的運行調動方面，調度運行部門是電力系統(tǒng)穩(wěn)健，高效運行的重點保障。它對系統(tǒng)中反饋而來的信息進行分析及處理，在這個步驟下，數(shù)據(jù)挖掘起著重要的推動作用，利用數(shù)據(jù)挖掘分析出來的內(nèi)在規(guī)律做出相應的決策。在保障系統(tǒng)穩(wěn)健安全運行的前提下，考慮各種經(jīng)濟問題的同時例如對電價如何進行合理的制定等。

在決策支持和控制方面，在電力系統(tǒng)發(fā)生故障時，調度員可以通過保護裝置的動作信息判斷出具體的故障原因以及具體的故障位置。為避免大量的經(jīng)濟損失要求在極端時間內(nèi)解決問題。然而面對系統(tǒng)中的海量數(shù)據(jù)，傳統(tǒng)的靠專家的經(jīng)驗已經(jīng)無法適應今天的情況，面對海量的數(shù)據(jù)，數(shù)據(jù)挖掘方法能去除無關的屬性，獲得復雜數(shù)據(jù)下的規(guī)律，并對故障特征進行提取，幫助調度員判斷電力系統(tǒng)的狀態(tài)以及選擇處理故障問題的方法。

在電力系統(tǒng)的不良數(shù)據(jù)辨識方面，現(xiàn)在這一階段對電力系統(tǒng)數(shù)據(jù)的可靠性要求越來越高。

對于不良數(shù)據(jù)辨識就是想找出由于種種原因產(chǎn)生的少量不良數(shù)據(jù)，從而避免不良數(shù)據(jù)對系統(tǒng)的軟件環(huán)境性能產(chǎn)生影響。然而在辨識不良數(shù)據(jù)的過程中，傳統(tǒng)方法很可能造成誤檢或漏檢，然而通過數(shù)據(jù)挖掘中的神經(jīng)網(wǎng)絡，聚類以及關聯(lián)規(guī)則等算法就能更加快速而且準確的達到對不良數(shù)據(jù)辨識的目的。

在電力系統(tǒng)的建模方面，整個電力系統(tǒng)的實時性決策是以電力系統(tǒng)模型為基礎，因為電力系統(tǒng)的高復雜度，采用傳統(tǒng)的動力學模型進行具體應用非常困難，而數(shù)據(jù)挖掘技術不受對象模型的復雜度控制，對其數(shù)據(jù)進行分析，總結出電力系統(tǒng)數(shù)據(jù)模式的內(nèi)在規(guī)律。

2 數(shù)據(jù)挖掘在醫(yī)學領域上的應用

在很早以前，數(shù)據(jù)挖掘技術就被應用到醫(yī)學領域上，并因此形成了“專家系統(tǒng)”。專家系統(tǒng)的功能為對醫(yī)學領域上的專家的個人經(jīng)驗與她們自身的知識積累利用數(shù)據(jù)挖掘技術進行計算機語言方面的描述，從而實現(xiàn)對醫(yī)學領域方面問題的處理。隨著時間的發(fā)展，從不同疾病的類型出發(fā)，利用從不同疾病患者中收集到的病歷信息，將其轉化為數(shù)據(jù)挖掘技術所需要的數(shù)據(jù)集，通過分析數(shù)據(jù)中隱藏著的潛在信息來對實現(xiàn)對體檢人員相應病情的風險評估，進行相應的提醒。

3 在商業(yè)領域的應用

數(shù)據(jù)挖掘在商業(yè)以及金融上的應用較為明顯，甚至滲透于商業(yè)以及金融領域的方方面面。從商業(yè)上講，通過收集顧客對各種商品的購買情況的數(shù)據(jù)來構成有分析價值的數(shù)據(jù)庫。利用關聯(lián)規(guī)則分析算法來對數(shù)據(jù)庫中數(shù)據(jù)進行挖掘，并對顧客的購買習慣進行總結。挖掘出一系列的購買規(guī)律，從而調整商品在商店的擺放以及商業(yè)廣告中商品的搭配等，從而達到最大的獲利。并且在電子商務上，數(shù)據(jù)挖掘可以使商家更加了解客戶的需求，為客戶提供更加個性化的服務，從而保留個數(shù)增加商品的銷售額。從金融上講，對股市中的數(shù)據(jù)的變化趨勢進行總結，再用關聯(lián)規(guī)則，卷積神經(jīng)網(wǎng)絡等方法對股市中接下來的運行趨勢進行預測。從而對針對股市的漲幅等情況來調整利率，從而避免經(jīng)濟損失，達到盈利的目的。

4 在軍事領域上的應用

由于大數(shù)據(jù)時代的來臨，決策的思維和方法產(chǎn)生了變革。傳統(tǒng)戰(zhàn)爭下的決策缺少數(shù)據(jù)的支持，并且數(shù)據(jù)的準確性很難達到保障，一般靠經(jīng)驗在戰(zhàn)爭中進行決策。然而現(xiàn)階段的戰(zhàn)爭下，可以利用海量與戰(zhàn)爭相關的數(shù)據(jù)，這就要求指揮者有全新的數(shù)據(jù)思維，并結合統(tǒng)計學家與數(shù)據(jù)挖掘研究人員，找出數(shù)據(jù)中隱含的信息，不受舊思想的束縛，達到最大的作戰(zhàn)效益。例如，可以用深度學習的方法結果衛(wèi)星對敵方地理位置達到精準的還原，通過計算機高速的計算能力使指揮者更快做出決策，也可以分析敵方以往的作戰(zhàn)數(shù)據(jù)，對其作戰(zhàn)規(guī)律進行總結，并對其下一步的行動做出較為精準的預測，并且對于自己大量的作戰(zhàn)資源與戰(zhàn)士們的人員通過數(shù)據(jù)挖掘的方法進行合理的分配，最終達到作戰(zhàn)能力的最大化。

（作者單位：東北大學秦皇島分校）