計算機數據挖掘技術的開發及其應用研究

阿不都艾尼·阿不都肉素力

摘要：現代信息技術發展過程中，與現代統計學知識高度融合，從而衍生出計算機數據挖掘技術。計算機數據挖掘技術，和大數據技術、云存儲技術共同發展，為社會生產與生活提供較多便利。該文注重開發計算機數據挖掘技術，同時提出科學化處理對策，僅供參考。

關鍵詞：計算機數據挖掘技術;開發;應用

中圖分類號：TP391? ? ? 文獻標識碼：A

文章編號：1009-3044（2022）03-0027-03

開放科學（資源服務）標識碼（OSID）：

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

1 計算機數據挖掘技術過程概述

1.1明確數據庫與數據挖掘目的

數據挖掘技術功能較多，需要合理應用技術措施，明確數據挖掘目的，按照目的選擇數據庫。由于計算機數據挖掘技術，涉及多種數據挖掘方法，且不同數據挖掘目的、挖掘方法不同，所以選擇適宜挖掘方法，能夠保障數據挖掘結果準確性。此外，明確數據挖掘目的、數據庫，可以發揮出數據挖掘技術優勢。

1.2數據選擇與預處理

明確數據挖掘目的與數據庫后，需要在數據庫內提取目標數據。值得一提的是，維護目標數據內信息，同時將目標數據作為數據挖掘范圍，即數據選擇。明確目標數據后，科學處理目標數據，刪除錯誤信息、無用信息，留下有用信息。上述過程為預處理流程，能夠精簡目標數據。

1.3數據挖掘

第一，按照數據挖掘目的，明確數據挖掘技術類型、應用算法。算法屬于數據挖掘精髓，通過科學算法，能夠提升數據挖掘結果可靠性，借鑒價值強。第二，數據挖掘算法是一種數學模型，按照數據挖掘算法，建立標準化數學模型。利用數據挖掘算法，準確處理目標數據。第三，在計算機系統中，通過算法挖掘數據信息，能夠獲得相關結果。

1.4評估結果

評估結果環節，主要分析數據挖掘結果，做好科學化評估。通過數據挖掘技術獲取結果，但是要驗證結果正確性。當結果不滿足數據信息要求時，則重新選擇數據挖掘算法、數學模型。當結果滿足應用要求時，將數據結果應用到實踐操作中，指導后續工作，全面提升工作效率。

2 計算機數據挖掘技術開發

2.1傳統統計方法

在日常生活中，頻繁使用統計方法，將統計學知識落實到各領域。對于傳統統計學方法涉及內容比較多，包含多元統計技術、統計預測技術、抽樣技術。其中，抽樣技術為重要統計方法，可以應用到生活實踐中。在海量數據中，提取價值數據，將其作為樣本信息。科學分析樣本信息，展示數據信息，合理應用抽樣技術，減少統計量、數據分析量。統計預測技術，包括序列分析、回歸分析等。多元統計分析，需要復雜數據結構，例如因子統計、數據統計等。

2.2可視化技術

在統計數據時，借助數據挖掘技術可以提升數據統計效率，同時確保數據統計結果滿足要求。但是，數據統計結果通常包含隱晦特征，為了掌握相關特征，需要利用圖表、散點圖方式，表達數據統計結果特征，使人們正確理解數據統計結果。基于實用角度分析，可視化技術無法實現高維數據可視化，高維數據在圖表中呈現難度大，但是能夠指導可視化技術發展，技術創新性強。

2.3決策樹

通過決策樹，能夠分類預測海量數據，是一種新型數據挖掘技術。遵循標準化規則，建設科學的數據體系。決策樹計算方法較多，例如SPRINT、SLIQ等。通過上述算法，可以將訓練集歸納為決策樹，對分類屬性、連續屬性予以處理。

2.4遺傳算法

基于生物科學角度分析，計算機所具備的智能學習能力，必須注重數據結合、數據突變過程整合。處理數據信息時，淘汰不合理數據，留存優質數據信息，使其成為新數據組合。數據優化處理后，能夠提升數據信息適應度。遺傳算法理論，可以支持數據挖掘技術開發，屬于標準化處理方法。準確定位數據挖掘技術，以決策數據為核心技術，擴大技術開發應用范圍，對決策者知識儲備要求低，既可以展示出數據挖掘優勢，還可以研發全新的技術措施。

2.5聯機分析處理

基于本質分析可知，聯機分析處理可以通過多計算機系統，對某個具體問題進行分析。計算機連接性，采用多數據節點方式分析數據信息。針對應用對象，注重聯機分析處理，即多維數據。聯機分析處理程序，可以劃分為主計算機任務、其他聯機計算機任務，圍繞主計算機提出科學分配方案，準確計算數據并進行統計分析。

2.6計算機神經網絡

基于計算機神經網絡，獲取計算機網絡研究成果，模擬人體神經網絡，生成輸入單元、處理單元、輸出單元。在數據處理中應用計算機網絡，能夠調整計算數據信息，歸納整理計算結果。

2.7粗糙集

當缺少數據知識時，粗糙集能夠對數據分類能力進行考察，分析和處理不確定數據、模糊數據。在數據庫體系中，合理應用粗糙集，能夠發現分類規則，同時將數據庫屬性劃分為條件屬性、結論屬性。針對數據庫內部元組，按照不同屬性值劃分為對應子集，合理劃分條件屬性、結論屬性，從而生成判定規則。因此，具備相似對象集合，可以稱為初等集合，將其作為知識組成成分。對于初等集合并集，可以納入精確集合，同時整理為粗糙集。不同粗糙集擁有不同邊界元素，但是不能劃分為集合元素，也不能作為集合元素的補充元素。在數據挖掘分類中，可以應用粗糙集理論，能夠及時發現噪聲數據、異常數據內部結構。

2.8支持向量機

隨著統計學習理論的發展，逐漸出現支持向量機，屬于新型機器學習方法。基于結構風險最小化原則，加強學習泛化能力，推廣性能、分類精確性能顯著，可以處理學習問題，形成訓練多層感知器、多項式神經元網絡、RBF神經網絡等。同時，支持向量法屬于凸優化問題，局部最優解為全局最優解，上述特點為神經元網絡算法無法企及的優勢。在數據挖掘分類、回歸、未知事物探索中，合理應用支持向量機。

2.9關聯規則

關聯規則屬于實用性分析規則，可以描述事物屬性、模式與規律，屬于數據挖掘中的成熟技術。在數據挖掘領域，應用關聯規則的價值顯著，能夠掌握數據規律，不會受到單一因變量限制。大部分關聯規則挖掘算法，可以發現隱藏挖掘數據的關聯性，但并非所有關聯屬性都具備應用價值，必須做好科學化評價，篩選高價值關聯規則。

3 計算機數據挖掘技術的應用實踐

3.1市場營銷中的應用

在現代生活發展中，多數消費者購物都傾向于刷卡操作，在此操作中，銷售商可以采集到消費者信息。消費者數量持續增加，銷售商可以采集到價值信息，便于開展市場營銷活動。不同銷售商、生產廠家，根據價值信息采集，對消費者實際需求、購物習慣進行分析，掌握消費者消費時間，對消費者下步消費行為進行推斷。例如，企業收集消費者信用卡使用數據，掌握商品銷售情況，同時，通過促銷活動掌握消費意向。開展上述工作，比較依賴數據挖掘技術。企業通過數據挖掘技術，可以掌握消費群體需求，同時為企業決策制定提供數據依據，加強企業市場競爭力。基于總體分析可知，將數據挖掘技術應用到市場營銷中，可以應用數據庫營銷、貨籃分析方式。數據庫營銷，通過模型預測、交互式查詢方式，篩選企業潛在客戶，同時針對性推銷產品。

3.2金融投資中的應用

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

3.3電子商務網站中的應用

隨著互聯網技術快速發展，電子商務網站成為企業、商家必爭方式，電子商務網站在線交易會產生海量登記表、記錄文件。將計算機數據挖掘技術應用到電子商務中，可以深度分析數據信息，確保商家掌握消費者購買喜好、模式等，滿足不同層次消費需求，也可以為企業、商家提供擴大市場份額的機會。合理應用計算機數據挖掘技術，深度挖掘消費者背景信息、瀏覽者點擊量。客戶登記表為去背景信息，點擊量則是考察客戶行為的重要方式。然而，客戶不會在登記表中填寫所有信息，致使數據挖掘與分析難度比較大。基于瀏覽者多項表現數據，可以準確推測和應用背景信息。

3.4在半導體領域中的應用

在半導體領域中，合理應用計算機數據挖掘技術，可以有效作用到軟件檢測中。在生產半導體元件時，利用元件信息采集，可以準確分析和檢測元件信息，確保元件性能質量達標后，

再應用到半導體中。因此，借助計算機數據挖掘技術，能夠判斷元件合格準確率，以免應用到不合格商品。此外，在金融投資中，合理應用計算機數據挖掘技術，可以為金融投資提供參考。將計算機數據挖掘技術應用到電子商業中，既可以推斷消費者喜好，還可以為消費者提供目標產品，減少消費時間浪費，實現快速銷售目的。例如，京東、淘寶等購物網站，都應用了計算機數據挖掘技術。

4 結束語

綜上所述，現代經濟快速發展背景下，各行業對數據信息的依賴度加強，有助于提升數據挖掘技術開發與應用價值。大數據挖掘技術，可以影響多行業領域發展，比如市場營銷、金融投資、電子商務網站、半導體領域等，在不同領域中的應用，均可以掌握行業發展規律，提出科學化發展策略與建議，以此展示出計算機數據挖掘技術的應用價值。

參考文獻：

[1] 段冬，張嫻.大數據背景下人工智能在計算機網絡技術中的應用研究[J].電腦知識與技術，2021，17（9）：179-180，190.

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

[3] 趙云.基于大數據的計算機數據挖掘技術在檔案管理系統中的應用[J].中國新通信，2020，22（22）：113-114.

[4] 黃毅能，吳旭東，多曉偉.數據挖掘技術在電商平臺中的應用——以陶瓷餐具的電商營銷為例[J].現代營銷（經營版），2020（10）：112-113.

[5] 范海峰.數據挖掘技術在計算機網絡病毒防御系統開發中的應用[J].電子技術與軟件工程，2020（17）：236-237.

[6] 車全偉，雷成，李玉如，等.基于神經網絡的數據挖掘模型在吸能裝置上的應用[J].西南交通大學學報，2021，56（5）：995-1001.

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

[8] 劉各巧.數據挖掘技術研究以及在檔案計算機管理系統中的應用[J].太原城市職業技術學院學報，2020（7）：199-201.

[9] 姜齊艷，王魯平.基于數據挖掘與神經網絡的財務異常數據監測分析算法[J].電子設計工程，2020，28（11）：14-17，22.

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

【通聯編輯：唐一東】