数据挖掘技术及应用浅析

３ 数据挖掘技术的应用领域
３ ． １通信服务行业
在数据挖掘技术的带动和参 与下， 通信服务行业逐渐趋 向
于“ 三 网融 合”， 即： 电信、互联和 电视 ， 势必 涉及诸多数 据运
应用越 来越广泛 ， 为数据 运行提 供强大 的技 术支 持。 数据挖 掘 技 术可 以迅 速获取有效信息， 体现 准确识别 的能力， 改善数 据 运行， 因此 ， 数 据挖掘技术成 为行业 发展与进步 的重要途 径， 不仅 提高 信息处 理的能 力， 还可 以保 障信息处 理 的效 率和 价 值， 同时提高行业信息技术水平。
饭卡充值等 ， 随 时关注学生 的信息动 态 。 高校 在 的重 点， 以生物进化为导向， 将重组、 变异导入到 数据库内， 推 图书 借 阅、 已经实现 多系统的融合发展 ， 在数 据挖掘技 术 进数据 的后续发展 ， 将后续模 拟的数据， 应用在现 代数据库的 数据 管理方面，
某个 部分， 发挥同样作用， 遗传算法高度模拟生物进化的方式 ，
为数 据管理提供可靠 的空间， 成 为管 理金融数 据的最 此技术 以模拟离散 函数为主， 借助 树木模型 ， 对 实际案例 行业 中， 数据 挖掘技术 具备独立分析的能力， 可 以在 数据库 进行 综合分类处理 。 决策树的叶子， 代表不 同结点， 而结点则是 佳 方式…。
设置 多维参考点， 对不同类 型的数据实行严格区分， 根据数 组成实例不同属性 的测试， 未来枝叶的分支 ， 表示可能覆盖 的 中， 实行 准确处理 ， 发 挥数据挖 掘的优势 ， 维 持金 属性预 测 。 决策树 在根部 向枝叶推进 的过 程中， 蕴含丰 富的 据 的异 同性质， 数据挖 掘技术 还可 以根据 金 融数据 的动态 变 数 据挖掘 ，目的是得出有价值的属性信息， 所 以决策树理论支 融数据 的运行。 化 ， 有 效发现影 响金 融活动的不 良因素 ， 防止金融行业 出现 数 持数 据挖 掘的分析和分类， 对相同属性的数据进行归类存储 ， 进而挖掘数据分类 中遵循 的规则。 据漏洞， 造成管理弊端 。 综上所述 ， 随着数据挖 掘技术 的发展， 其 在行业领域 中的
３ ． ３ 医学领域
医学领域不仅涉及大量 的信息数据 ， 而且数据 的编排、 汇 总非常复杂 ， 大量 数据 同时出现 的过 程中， 几乎不会 出现相 同
２ 数据挖掘的技术支持
２ ． １神经网络技术
因此 ， 医学领 域的数据 管理， 具备 一定难度 。 数据挖掘技 神经 网络主要 以数 学模型为主 ， 重 点针对 复杂数 据， 快速 数据， 特 别是在病历管理、医药信息 完成数据抽取 。 神经网络技术处理 的能力， 可 以超 出计算机 的 术成功应用于 医院数据 管理中， 例如 ： 数据挖 掘技术可 以整 合医药信息 ， 将 医药信 分析水平， 保障输入神经 网络 中的数据 属于数值 型 ， 即可快速 管理方面 ， 医务人员可 以通过 检索 的方 式， 在管 导出趋势性变化的数 据。 神经 网络技术通过模拟大脑的神经 元 息存储于数 据库系统 内， 迅速获得所需信息， 避 免信息筛选错 误， 提 高信息识 结构， 利用Ｍ Ｐ Ｉ 实现 非线性规 划， 根 据数据信息的特性 ， 决定信 理系统内， 别的能力 。 由此， 医务人员在信息管理和校对方面， 提高操作效 息的存储位置 ， 实现 自 主 处理。 神经 网络技术 在数据挖 掘中， 不仅可 以实现数 据的快速分类 ， 还可 以对数据进行模拟预测，
高校学生数量较多， 通 过数据挖掘 技 统计方法可以满足数据库处理分析， 包括 ： 有线、 非线、回归等 现数 据挖 掘技术的优点。 术 ， 可 以为学生提 供一体化服务， 学生在入学之 际， 即可将信息 多项统计方法 ； 聚类方法应 用于数 据挖掘的 内部 处理， 梳理 内 整个在校 期间， 都可通过管理系统 ， 查询个 部数据 的关 系， 基于聚类 方法的存在 ， 数据挖掘技 术可 以满足 录入在管理系统 内， 管理者也可以根据 管理系统 ， 快速调取学生信息 ， 如： 经济、 模拟等多项数据领域 的需求 ； 遗传分析是数据挖 掘方法 人信息，
数据挖 掘技术及应用浅析
林 敏 （ 福建省 公安 边防 总 队 训练基地， 福建 福州 ３ ５ ０ ０ ０ ０ ）
摘 要： 数据 挖掘 可以实现 海量 提取 、 综合 处理 的技 术应 用， 主要 以数 据库作为技 术支持， 实现信息技 术 有针对性 的表 达 。 近 几年， 数 据挖 掘技 术 得到较好 的建设 与发 展 ， 应用 于多项领 域 ， 提 高对信 息的收集 能力， 加快数 据信 息的传 递 速度 。 数据挖 掘技 术 的出现 ， 着 实推 进信 息
的支持下， 将 不同功能的数据系统， 兼容于统一系统 ， 不论是学
还是教务人 员， 利用独 立账号、 密码， 都可 实现个人信息管 结合繁殖、 基 因、 突变、 重组 的概 念， 引入新数据 ， 促使 数据库 生 ， 对数据挖掘技术提供更高的发展要求 。 中新个体 的形成 ， 所 以数 据挖掘 中的遗传算法 ， 既可以作为数 理或查询， 据分析 的方法 ， 也可以体现预算和评估的特点。
的代表为Ｒ Ｂ Ｆ 和Ｂ Ｐ ｏ 率， 确保 数据挖 掘的质量。 金融行 业中的数据分类 比较 明确， 如： 信贷 数据 、 储 蓄数
． ４金融行业 促使 数据挖掘处于优化的状态， 完成难 度聚类。 神经 网络技术 ３
２ ． ２ 决策树 技术
据 等， 需对数 据采取合 理的分配和 管理。 数据挖掘技术 在金融
的有效挖 掘 。 因此 ， 本 文重点分析数 据挖掘 技 术 ， 分析 实质应 用。 关键 词 ： 数据 挖 掘； 技术； 神 经网络 技 术
１数据挖掘技术的方法
数据挖 掘技术 的方法主要分为统计源自 聚类和遗传分析 。 数据挖掘 技术在高校 中的应用较 为明显 ， 例如 ： 学生信息 管理 系统、 教务评价系统、 成绩查询系统、 选课系统等， 都可体