“大數據”時代的計算機信息處理技術研究

劉云　方凱明

摘 要：大數據時代的到來，促使計算機信息處理技術成為大數據進一步發展的主要驅動力。因此，為了保證大數據時代計算機信息處理技術的有效應用，本文以大數據時代為研究背景，分析了大數據時代計算機信息處理技術應用類型及特點。并從計算機硬件技術、數據挖掘、可視化技術等方面，對現階段計算機信息處理技術在大數據時代的具體應用進行了簡單的闡述。

關鍵詞：大數據時代;計算機信息處理技術;數據挖掘

前言

計算機技術、網絡技術的不斷發展催生了龐大的數據信息，以往以數據為主體的信息管理模式也逐步轉化為以大數據為代表的發展模式。在以大數據為代表的信息處理模式中，以往計算機信息處理技術已無法滿足大數據時代計算機信息處理需求，也限制了計算機信息處理效率。因此，對大數據時代計算機信息處理技術進行進一步分析非常必要。

1 “大數據”時代的計算機信息處理技術應用類型及特點

計算機信息處理技術主要是將計算機作為一種自動信息處理設備。其主要是在計算機系統內，利用計算機技術進行信息處理的一種方式。在大數據時代，計算機信息處理技術經過了手工處理時期、機械信息處理時期，已經進入了計算機處理時期。形成了集數據庫技術、檢索技術、信息系統技術為一體，以數據庫及通信網絡技術為依托的信息處理系統[1]。其運行速度較快，且可以自動處理大數據時代產生的大量信息，整體信息處理精確度較高。

2 “大數據”時代的計算機信息處理技術應用措施

2.1 計算機硬件處理技術應用

大數據時代，計算機硬件處理技術主要是依托計算機系統，進行信息采集、信息加工、信息儲存、信息安全管理等基本操作。首先，基于計算機硬件的信息采集主要是對既定信息進行監督控制。并根據用戶群體要求，自動篩選具有一定利用價值的數據信息。

其次，基于計算機硬件的信息加工主要是在信息篩選的基礎上，根據用戶需求，結合計算機信息處理規定。對前期收集的信息進行分類處理。并將分類處理后信息傳遞給用戶。

再次，信息儲存主要是利用計算機自身硬盤儲存能力，將處理后數據儲存在固定位置。

最后，信息安全技術主要是基于大數據時代信息的不確定性，進行計算機硬件安全技術產品開發應用。通過計算機硬件安全技術產品的應用，可以保證大數據時代計算機信息處理技術在信息處理中應用安全穩定性。

2.2 數據挖掘技術應用

在大數據時代，數據多樣、速度、價值、數量特征逐步顯現，數據挖掘技術（data mining，DM）應用優勢逐步凸顯，受到了多個行業人員的重視。數據挖掘技術可以從龐大的數據中，將未知、不明顯，且具備一定潛在價值的信息提取出來，促使其與其他模塊之間相輔相成、協調發展。數據挖掘中常用的信息處理手段為分類、優化、識別、預測等。

首先，分類主要是利用互聯網+大數據的方式，與通信技術、人工智能技術配合，將大數據時代龐大數據劃分為系統、科學的若干個數據集合。如互聯網+大數據模式的養老服務體系等。

其次，優化主要是針對現階段數據管理中出現的問題，通過實時數據挖掘預測模型搭建的方式，為現代社會管理模式改善提供依據。如在交通領域應用“數據挖掘實時預測模型”，可以有效預測短期的交通狀況或者物流情況，為陷入交通擁堵的駕駛人員及物流網絡運輸人員提供良好的幫助。應用概率較高的計算機信息優化方式為進化算法（evolutionary algorithms，EAs）。其主要依據自然界中的“優勝劣汰，適者生存”的生物進化原理改變優化參數，選擇恰當的適應度函數。將相關參數信息編碼，串聯到群體內。通過選擇、交叉、變異等一系列過程循環進行，可以逐步淘汰適應度值差的個體，獲得適應度值最好的個體，達到計算機信息優化處理的目的。

再次，識別主要針對計算機中數字圖像，通過對獲得信息庫進行數據挖掘，可以分析潛在人臉識別數據及指紋識別數據，為后期資料收集處理提供便捷的渠道。如基于稀疏表示的魯棒人臉識別等。

最后，預測主要是利用歷史數據，沿歷史數據時間序列變化，通過神經網絡與決策樹、貝葉斯分類算法等相關人工智能算法，搭建預測模型。隨后在預測模型中進行數據挖掘分析，可獲得一系列觀測值，進而得到其在一段時間變化趨勢及其他模塊所受到的影響。 如氣象預報、石油勘探、金融等。以貝葉斯分類算法為例，其與決策樹算法、神經網絡算法間具有密切的關系，具有算法簡單、分類精度較高等優勢。通過樸素貝葉斯算法及bagging方法、boosting方法等動態貝葉斯組合算法應用，可以有效預測多個領域歷史數據時間序列變化趨勢，保證數據處理效率[2]。

2.3 可視化技術應用

大數據時代，可視化技術主要包括原位交互分析技術、可視化分析技術、數據計算量化技術、數據收集關聯技術、數據儲存技術、面向工具及用戶界面交互技術等。在可視化技術具體應用過程中，首先需要在數據信息可視化模型搭建的基礎上，將信息可視化劃分為由最初原始數據→數據表、數據表→可視化數據結構、可視化數據結構→數據視圖幾個模塊。隨后將數據信息可視化劃分為數據預處理、繪制測量、顯示與交互三個階段。其中數據預處理主要是將實現收集的數據，進行簡單格式化、標準化或者變換、壓縮、解壓縮等處理。并將相互關聯數據整合成若干個模塊，根據相應數據隸屬領域差異，對其異常值進行檢查，或者進行聚類處理;繪制測量主要是利用圖形繪制的方式，根據不同用戶群體需求，將數據轉換為幾何圖像;顯示與交互主要是將所繪制的幾何圖像輸出。并根據數據間關聯性，結合數據發展趨勢，將用戶群反饋信息穿書之軟件層。

總結

綜上所述，計算機信息處理技術是信息作戰的重要支撐，也是實現信息作戰武器信息化的主要因素，其可以為新的信息作戰空間營造提供充足的物質支持。因此，相關人員應合理利用大數據時代計算機信息處理優勢，不斷開發完善計算機硬件處理技術、數據挖掘技術、可視化技術。為計算機硬件處理技術、數據挖掘技術、可視化技術等計算機信息處理技術在大數據時代優勢的充分發揮奠定基礎。

參考文獻

[1]王凱軍，王駿宇，符德旺.大數據時代的計算機信息處理技術研究[J].中國戰略新興產業，2017（12）：108-108.

[2]馮凌峰.大數據時代計算機信息處理技術研究[J].電子世界，2017（16）：93-93.

項目名稱：2019年度市科技局貴陽學院科技專項資金

基金號：GYU-KYZ（2019～2020）PT06-06