浅谈软件工程数据挖掘的研究进展
大数据背景下数据挖掘技术的应用研究
大数据背景下数据挖掘技术的应用研究摘要：随着科技的发展，数据信息大量出现，越来越多的人想要从许多混杂的资源中找出最具有价值的信息。
本文将从数据挖掘技术的基本概念入手，并结合当下现实来分析大数据的出现给数据挖掘技术应用带来的变化。
在数据挖掘技术应用中主要从数据分析的利用和数据聚类的利用两大方面进行阐释，总体研究大数据背景下数据挖掘技术的应用。
关键词：大数据时代;数据挖掘技术;数据挖掘技术的应用大数据的发展会带来大量的信息资源，人们的思维方式也会随之发生改变。
于此同时信息发展也逐渐成为了开启信息时代的钥匙。
全球各国普遍认识到数据的重要性及其对国家的发展发挥的许多重要意义，许多国家以此为基点制定适合自己国家发展的战略性计划，由此占领数据的高地，实现国家创新性发展。
因此，大数据在当今时代具有极强的研究价值和应用价值。
笔者将主要从大数据可视化给数据挖掘技术带来的影响为着眼点，进而进一步分析高性能计算（HPC）给数据挖掘技术带来的一定程度的影响，且通过这些变化研究大数据背景下数据挖掘技术的具体应用。
正文：当今的数据挖掘技术的理论已经成熟，数据挖掘技术的应用愈加广泛。
受众趋向了解更多的数据挖掘技术，从而利用起大量的信息资源。
我们对于大数据背景下的数据挖掘技术的具体应用，将会获得信息的有效运用和资源的科学整合。
同时，掌握和了解到有关于数据挖掘技术的知识对普通受众来说不仅可以掌握到大量的数据资源，从而更好地利用这些资源为我们的生活实践服务，而且对于专业技术人员来说，广泛被大众所接受的数据挖掘知识前景将更加开阔，理论弹性增大，这将促进数据挖掘技术的进一步发展。
一、数据挖掘技术的概述数据挖掘技术主要是一个搜索的过程，它主要利用算法进行搜索，并通过一定媒介，从大量的信息中提取对搜索者有用的信息资源。
这个过程的原始数据被分成建模样本和分析样本两部分。
建模样本将会经过数据预处理后变成预处理后的专家样本。
而分析样本则会经过特征选择后变成预处理后的分析样本。
软件工程-数据挖掘-硕士学位论文开题报告
攻读硕士学位研究生硕士学位论文开题报告题目：电子化加油数据仓库的建立及其数据挖掘的研究姓名：学号：院系：软件学院专业：软件工程研究方向：数据挖掘指导教师：一、开题报告情况报告要求：须就论文选题意义、文献资料掌握情况、论文研究方法、论文总体设计等方面进开题报告审查记录论文题目：电子化加油数据仓库的建立及其数据挖掘的研究时间：地点：（一）论文选题意义及创新点油是汽车源动力，加油站则是车开启的一把钥匙，目前较多加油站还是现金方式交易，随着电脑信息化在各行各业的不断推进，加油站也开始采用电子化的付款方式。
大量的消费数据开始向数据中心进行集中，现行系统只是简单记录汽车加油消费的情况，并通过银行集中进行代发代扣，大量的消费数据只是做为简单报表的数据源，其中真正的价值并未体现。
数据仓库和数据挖掘作为决策支持新技术在近些年来得到了迅速的发展。
本课题主要是为满足对加油消费过程中的数据分析决策需要，通过对消费的油量油费油种类的历史数据抽取、转换、装载到数据仓库，从时间、油类、消费单位、加油商户多个维度进行数据立方体的建立，通过切片、切块、钻取和旋转的方法来对数据进行分析。
对于数据仓库中的消费信息，采用数据挖掘的聚类方法，分析其分布规律，可以找出异常的数据并对其复查，分析其中的问题。
对不同商户的消费记录进行数据挖掘，分析出是否应该在附件新建加油站来缓解加油滞泻，同时可以缓解交通路况，另外可以分析出某些零星加油次数加油站存在的不必要性，建议拆除。
分析不同种类油的消费情况，帮助宏观油量调度供应。
（二）国内、外相关文献掌握程度和研究方法的可靠性[1] 林宇. 数据仓库原理与实践. 人民邮电出版社，2003[2] W.HInmon. 数据仓库（原书第三版）. 王志海，林友芳等译. 机械工业出版社，2003[3] 赵晓东. 数据挖掘技术在石化企业加油IC卡CRM中的应用研究. 硕士学位论文，2009[4] Bud Endress. Implementing the OLAP Option to the Oracle9i Database. Oracle Corporation，2002[5] Paulraj Ponniah. Data Warehousing Fundamentals. Wiley Publishing,Inc，2004.[6] S.chaudhuri, U.Dayal. An Overview of Data Warehousing and OLAP Technology. ACM SSGMOD Record，1997，26(1)[7] 魏云巍，裴军杰，申红茹. 加油站库存信息化建设的思考. 物流科技，2007[8] Pang-Ning Tan, Michael Steinbach, Vipin Kumar. 数据挖掘导论. 范明范宏建等译. 人民邮电出版社，2006数据仓库和数据挖掘现有的研究资料十分丰富，但收集整理适用于本论文研究方向的文献还需要一段时间。
软件工程的最新发展趋势
软件工程的最新发展趋势软件工程是现代计算机领域中的重要分支，它致力于研究如何系统地开发、维护和管理软件。
随着信息技术的快速发展，软件工程也日新月异，下面我们一起来看看软件工程的最新发展趋势。
1、人工智能与机器学习人工智能和机器学习已经渗透到了各个行业，软件工程也不例外。
现代软件的开发过程中，人工智能和机器学习可以帮助我们自动化测试、精简代码、优化算法等等。
这意味着，软件工程师需要具备对人工智能和机器学习的基础知识，并能将其应用到软件开发的实践中。
2、DevOpsDevOps 是一种开发和运营的方法论，它致力于强调自动化和合作。
DevOps 包含了许多不同的实践，比如持续集成、持续交付、容器化等等。
DevOps 可以让软件开发人员更加专注于代码编写，而不用担心运维的问题。
随着 DevOps 的兴起，软件工程师们需要更加注重自动化测试、自动化部署等方面的技能。
3、敏捷开发在软件开发领域，敏捷开发已经成为了一种流行的方法。
敏捷开发最初是为了应对复杂的软件开发需求而设计的，这种方法重视团队合作和快速迭代，并能够快速响应需求变化。
在软件开发的实践中，敏捷开发需要强调团队合作和代码重构。
这意味着，软件工程师需要具备优秀的沟通和协作能力，才能更好地应对敏捷开发的需求。
4、云计算云计算是一种基于互联网的计算方式，它可以让用户通过互联网访问云计算资源。
云计算可以让软件开发人员更加专注于软件开发，而不必担心硬件配置、部署等问题。
随着云计算的兴起，软件工程师需要了解云计算技术，并学会使用云计算平台来部署和管理软件。
5、跨平台开发技术跨平台开发技术可以让软件开发人员快速实现不同平台上的应用。
跨平台开发技术可以帮助软件工程师避免重复的代码编写，并能够更有效地实现软件开发。
随着跨平台开发技术的不断发展，软件工程师需要掌握不同的跨平台开发技术，才能更好地应对不同平台上的应用需求。
6、区块链技术区块链技术可以用于共享数据和交换价值，它可以让多个节点协作完成一些任务。
基于图像数据挖掘的软件系统研究
２０ ０ ８年 １ １月
泰 山 学 院 学 报
Ｊ ＯＵＲＮ Ｆ Ｔ Ｓ ＡＬ Ｏ ＡＩ ＨＡＮ Ｕ ＶＥＲ Ｉ Ｙ ＮＩ ＳＴ
Ｖ０ ． Ｏ ＮＯ． １３ ６
ＮＯ ． ２ ０ Ｖ ｏ ８
基 于 图 像 数 据 挖 掘 的 软 件 系 统 研 究
挖掘的研究主要是集中在理论研究 阶段 ， 对于图像数据挖掘软件系统的开发还处于试验探索阶段 ， 对于 图像数据挖掘系统的构造还并不是十分清楚 ， 或者说 图像数据挖掘软件系统的需求还不是十分的明确．
因此 ， 本文对 图像数据挖掘软件系统 的过程 、 技术进行概要介绍 ， 并在此基础上采取软件工程中原型化
４ 图像数 据挖掘 的软件 系统
４ １ 其他 图像 数据挖 掘软 件原型 系统 ．
如图 ｌ所示 ：
输入原 始 图像
预处理、 特征提
取
图像数据库
图像 分割
目标 识别 ， 目录 ， 区域数据 库
概数 广 … 据知 蓑羹库 Ｈ ｌ 掘型 模／数 念 墓 义 — 挖模 据 ，…“ 一 库识 式
图 Ｉ 图像 数 据挖 掘 过 程
［ 收稿 日期 ］０ ８一Ｏ ２ ２０ ８— ７ ［ 作者简介］ 刘 磊（ ９７一）男 ， 莱芜人 ， 山学院物理与 电子工程学院讲师 １ ７ ， 山东 泰
的软 件开发 的方 法进 行研 究 ， 通过 软件 原型 的开 发 ， 一步 明确 图像数 据挖 掘 软件 系统 的需 求 ， 一 步 进 进
明确图像数据挖掘的各项任务和功能。
２ 图像数 据挖掘的过程
图像数据挖掘的过程可以理解为从图像数据 中形成概念 的过程 ， 反映的是从图像数据中抽取 同层 次的概念 ， 通过概念的泛化与概化来分析概念之间的关系 ， 从而挖掘出图像数据中潜在隐含的规律性的 知识 。本文提出基于 目 标识别的图像挖掘过程 ， 图像挖掘在 目 标识别的基础上实现 ， 期望得到 目标之间 及目 标和背景之间的潜在关系 ， 得到的潜在关系可 以用于后续的 目标识别的任务。图像数据挖掘过程
软件工程中的缺陷挖掘与预测
软件工程中的缺陷挖掘与预测软件工程是一门复杂的学科，其中有很多的知识点需要掌握，例如软件的设计、开发、测试、部署、维护等等。
其中在软件测试的过程中，有一个非常重要的环节，那就是缺陷挖掘与预测。
这个过程可以帮助开发人员在软件开发的过程中，尽早的发现、跟踪和修复潜在的缺陷。
下面我们就来具体的探讨一下什么是缺陷挖掘与预测、它的作用以及如何实现。
一、缺陷挖掘与预测的概念缺陷挖掘与预测是指在软件测试的过程中，使用各种技术手段来发现软件中的潜在缺陷，并对这些缺陷进行分类、跟踪和预测。
这个过程主要是利用统计学、数据挖掘、人工智能等技术手段，来分析软件测试过程中所收集到的数据，以发现软件缺陷出现的模式和趋势。
通过分析这些模式和趋势，可以帮助开发人员更加准确地定位缺陷的来源，以及优化软件的设计和测试过程，从而减少缺陷的出现。
二、缺陷挖掘与预测的作用1. 提高软件质量：缺陷挖掘与预测可帮助开发人员更早的发现潜在的缺陷，从而解决问题并提高软件质量。
2. 优化测试策略：通过缺陷挖掘与预测，可以更好地理解软件测试过程并优化相应的测试策略。
3. 缩短开发周期：缺陷挖掘与预测可帮助开发人员更早地发现并解决问题，从而减少了返工时间和成本，以及缩短了开发周期。
4. 提高客户满意度：通过提高软件质量和减少缺陷次数，可提高客户满意度和用户忠诚度。
三、缺陷挖掘与预测的实现过程在实施缺陷挖掘与预测的过程中，需要根据实际需求选择合适的技术手段来进行数据分析和处理。
下面是一个基本的实现过程：1. 数据采集：需要收集测试数据、缺陷报告、代码贡献、版本控制、代码审查结果等数据，并对这些数据进行清洗和整理。
2. 数据探索：使用可视化手段来探索测试数据中的模式和趋势，以发现潜在的缺陷。
3. 特征提取：根据数据探索的结果，提取一些重要的特征信息，例如缺陷出现的时间、类型、位置、影响范围等，以便后续的分析处理。
4. 数据分析：利用数据挖掘、机器学习等技术手段，对缺陷数据进行分析，寻找缺陷的关联和规律。
软件工程中的大数据技术与应用
软件工程中的大数据技术与应用随着互联网的快速发展和信息技术的不断进步，大数据技术在各个领域都得到了广泛应用。
在软件工程领域，大数据技术也扮演着重要的角色，为软件开发和运维提供了更多的可能性和解决方案。
本文将探讨软件工程中的大数据技术与应用，从数据采集、存储、处理和分析等方面进行论述。
一、数据采集在软件工程中，数据采集是大数据技术的第一步。
通过采集用户的行为数据、系统运行日志以及其他相关数据，可以为软件开发和运维提供重要的参考和依据。
例如，在软件开发过程中，可以通过采集用户的使用数据和反馈意见，了解用户的需求和痛点，从而进行产品迭代和优化。
同时，在软件运维过程中，可以通过采集系统的运行日志和性能数据，及时发现和解决问题，提高系统的可靠性和稳定性。
二、数据存储数据存储是大数据技术中的关键环节之一。
在软件工程中，需要存储大量的数据，包括用户数据、系统数据和业务数据等。
传统的关系型数据库在存储大数据时存在一些限制，例如存储容量有限、读写性能较低等。
因此，越来越多的软件工程师开始采用分布式存储系统，如Hadoop和HBase等，来存储和管理大数据。
这些分布式存储系统具有高可扩展性、高容错性和高性能等特点，能够满足软件工程中大数据存储的需求。
三、数据处理数据处理是大数据技术的核心部分之一。
在软件工程中，需要对大量的数据进行处理和分析，以提取有价值的信息和知识。
传统的数据处理方法往往无法满足大数据处理的需求，因为大数据具有数据量大、数据类型多样、数据速度快等特点。
因此，软件工程师需要借助大数据处理框架，如MapReduce和Spark等，来进行数据处理和分析。
这些大数据处理框架具有分布式计算和并行处理的能力，能够高效地处理大规模的数据。
四、数据分析数据分析是大数据技术的最终目标之一。
在软件工程中，通过对大数据进行分析，可以发现隐藏在数据背后的规律和趋势，为软件开发和运维提供决策支持和业务洞察。
例如，在软件开发过程中，可以通过数据分析来评估产品的市场潜力和用户满意度，从而调整产品的方向和策略。
简要分析软件工程的技术特点及发展趋势
简要分析软件工程的技术特点及发展趋势软件工程作为给很多行业的发展带来了实质性的变革，提升了各行业的工作效率，加快了社会经济的发展。
作为信息技术发展的产物，软件工程的出现可以追溯至上个世纪50年代，随着社会进步，计算机等硬件水平提高，软件工程技术也在快速发展，现已成为一门成熟的技术，并不断的朝着标准化、综合化、全球化方向发展，研究软件工程技术特点和发展趋势，对促进世界软件工程及软件产业的稳步发展具有积极的现实意义。
1 软件工程的技术特点软件工程作为一种新型技术，具有其特有的技术特点，能够辅助加快信息化的覆盖率，提高行业的工作效率，促进经济的发展，软件工程主要有语言开发多样性，良好的兼容性，标准化，后期维护方便性等技术特点。
1.1 语言的多样性软件工程的语言目前有C、C++、JAVA、汇编等，不同的语言能够满足不同环境开发的需求，如JAVA 语言书写简单，占用硬件内存比较小，且标准化，编写语言通俗易懂;汇编语言有针对性，不同的微控制器，不同的程序，运行速度得到提升，但是编写起来比较复杂，不具有可移植性，维护和修改困难。
软件工程语言的多样性，使得在不同的领域，不同水平的工程师可以根据自己的习惯来选择使用自身合适的语言，提升了软件编写的多样性和灵活性，大大提高了软件的编写效率，降低了软件的开发门槛，这也是软件工程技术能够在各行业得到快速发展的原因之一。
1.2 良好的兼容性软件工程要想实现在多种平台得到运用，这就要求软件必须要有很好的兼容性，软件工程的兼容性主要体现在软件和硬件的相互兼容、软件和系统的相互兼容、不同软件之间的相互兼容。
软件和硬件的相互兼容主要体现在，开发的软件能够通过串口在硬件上进行输入操作、调试，并且能够借助硬件平台实现相应功能。
软件和系统的相互兼容，系统是承载软件的一种媒介，如果系统和软件不能兼容，软件就无法在系统中运行，从而实现相应的功能。
不同软件之间的相互兼容，在同一硬件同一系统中，往往有多个软件同时运行，才能够正常完成工作，软件之间兼容性不好，软件同样不能正常运行，工作也难以顺利进行。
软件工程的发展与创新
软件工程的发展与创新软件工程是指应用工程原则和方法来开发和维护高质量的软件系统的学科。
随着信息技术的不断发展和应用软件的普及，软件工程也在不断进步和创新。
本文将从历史回顾、当前发展情况和未来趋势三个方面探讨软件工程的发展与创新。
一、历史回顾软件工程的起源可以追溯到20世纪60年代。
在那个时代，软件开发无序，项目常因质量问题或进度延误而失败。
为了解决这些问题，人们开始探索一种系统化的软件开发方法。
在1972年的《软件工程：概念和实践》一书中，软件工程的基本原则首次被提出。
此后，软件工程的理论和方法不断发展，形成了一套完整的工程化开发流程，如需求分析、设计、编码、测试和维护等各个环节。
二、当前发展情况目前，软件工程在国内外范围内得到了广泛的应用和推广。
各个行业都离不开软件系统的支持，软件工程师的需求量也越来越大。
随着云计算、大数据、人工智能等新兴技术的快速发展，软件工程也面临着新的挑战和机遇。
1. 敏捷开发随着市场需求的变化越来越频繁，传统软件开发的瀑布模型逐渐不能满足快速迭代和交付的需求。
因此，敏捷开发方法逐渐兴起。
敏捷开发通过迭代、自组织和跨职能团队的方式来提高开发效率和产品质量。
敏捷开发注重与客户的沟通和反馈，能够更好地满足用户需求。
2. DevOpsDevOps是Development（开发）和Operations（运维）的组合词。
它通过打破传统开发和运维之间的壁垒，强调开发和运维团队之间的协作与合作。
DevOps提倡自动化和持续集成，使得软件交付更快、更稳定。
通过将开发、测试和运维等环节融合在一起，DevOps提高了软件工程的效率和质量。
3. 人工智能人工智能在软件工程领域产生了巨大的影响。
例如，机器学习和深度学习技术可以在软件测试中自动生成和执行用例，提高测试的覆盖率和效率。
自然语言处理技术可以帮助开发人员更快地理解和分析需求文档。
人工智能的发展将进一步推动软件工程的创新和发展。
三、未来趋势软件工程与科技的快速发展相互促进，未来软件工程将面临更多的挑战和机遇。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
浅谈软件工程数据挖掘的研究进展
发表时间：
2018-01-05T20:50:28.547Z 来源：《基层建设》2017年第27期 作者： 刘旺
[导读] 摘要：在当前社会中，软件工程工作的应用范围不断扩大，数据挖掘技术的重要性也不断突出。
身份证号码：12010219890527xxxx
摘要：在当前社会中，软件工程工作的应用范围不断扩大，数据挖掘技术的重要性也不断突出。在大数据时代下，能够运用新技术算
法与技术在海量的数据中实现信息的提取、分析与整理是非常重要的，其能够为软件开发者提供更有价值的信息与知识。数据挖掘技术能
够对大量的软件工程数据进行有效处理，借助挖掘算法来实现科学选择。为了更有效地推进软件开发工作，软件开发人员应该注重数据收
集工作，并从中提取出有价值的部分，借助数据挖掘技术，使得软件工程的最终应用效果得以提升。
关键词：软件工程；数据挖掘技术；研究进展
引言
随着软件工程在工作中的广泛应用，数据挖掘技术起着更为重要的作用，其能够在海量数据中利用新技术算法和已有技术实现信息提
取、信息分析等，同时能够促使软件开发者发掘有用信息、知识。数据挖掘技术能够有效地提取、处理软件工程数据，进而利用挖掘算法
来解决选择问题。为了能够更加明确、有效掌握软件开发的工作过程，作为工作人员需要重视数据收集，有效提取数据库重要数据，数据
挖掘的实现需要利用数据收集和数据抽取，只有让应用范围越来越广泛，软件工程应用效果才能够更加理想。
1
数据挖掘的概念
数据挖掘的概念与软件工程、计算机应用技术紧密相连，它采用了一种新的计算方式在庞大的数据基础中找到想要的数据信息，因此
被称之为数据挖掘。事实上，这是一种新型的数据分析方式，现代化软件工程项目的研究非常之多，软件代码量的快速增长导致数据量的
急剧增加。作为传统的数据计算方式，已无法满足当代的数据分析要求，人们迫切渴望能够早点开发一种新的数据分析模式，来实现对有
效信息数据的整理工作。
2
数据挖掘中的问题
2.1
软件工程数据极度复杂
软件工程数据中包含着两个方面的内容，一个是结构化数据，另一个是非结构化数据。结构化数据中又包含缺陷报告和版本信息两个
方面。非结构化数据中则包含注释文档、数据代码等内容。一种算法并不能同时适合两种数据的计算，这两种数据虽然有区别，但也有联
系。举个例子，缺陷代码段既是结构化数据，又是非结构化数据，这种现象在软件工程工作中值得注意。
2.2
分析方法存在局限性
在挖掘数据的过程中，要重视信息转化工作，信息转化清晰准确，才能更好的实现数据共享。在以往的工作过程中，数据挖掘的方式
比较单一，多采取文字或图片等方式来表达。但实际上，单一的挖掘手段并不能满足软件开发者的工作需要。为了更有效的进行软件开发
工作，开发者需要科学的整合相关的信息，参考编程模板、开发案例、系统缺陷等数据，通过数据挖掘，开发产品的功能，不断更新知识
与信息，为软件开发工作提供更大的帮助。
2.3
评价结果不统一
传统挖掘技术在旧的工作理念和工作方式的影响下，存在着许多问题。传统挖掘技术的发展过程比较长，在这个过程中，形成了相对
成熟的评价标准。由于软件开发者要求信息具备高度的全面性，而信息本身的复杂性也导致表示方式中有一些差异。这种情况导致两者之
间无法进行系统的比较，评价结果不统一，应用性不是很强。软件工程本身的数据量就很大，项目数据很复杂，需要结合实际情况对数据
进行分析，还要解决代码和注释问题，这就加大了技术分析的难度。在当前形势下，软件工程要求分析结果必须高度精确，所以，必须做
好数据挖掘工作，提高评价结果的统一性。
3
软件工程数据挖掘应用分析
3.1
重视软件数据挖掘技术
软件开发阶段，数据挖掘技术包含了程序编写以及程序成果两方面内容。首先在程序编写过程中，有效信息的发现需要通过程序结构
以及程序功能技术检索出来。再次结合用户实际需求进行智能化培训，从而提升信息的有效性。最后还需要重视静态规则的重要性，结合
调用关系、重载关系、多重继承关系等来有效记录相关信息，利用递归测试来划分实际工作，有效掌握关联度之间的可信性，进而有效排
序相关信息，为开发者提供数据信息。
3.2
做好软件维护中的数据挖掘
对于软件维护，数据挖掘技术在软件修复以及软件改善工作起着关键作用，对软件缺陷以及软件结构等也具有一定的作用。在开展软
件修复过程中，不仅可以通过结合缺陷分派来有效评估缺陷程序，来确定修复级别，也可以选择最为有效的缺陷修复方式。然而在进行缺
陷分派过程中，需要将缺陷转化为文本类型，采取有效措施来进行修复，但是实际准确率并不高，这就需要利用强化检测来完善缺陷报告
技术，进一步实现自然语言与增设执行信息相似度，有效描述软件缺陷，提升软件修复有效性。
3.3
注重高性能数据挖掘技术开发工作
在软件开发工作中数据挖掘技术创新不可缺少，在现代化软件工程在实际的工作过程中更为注重规则分析工作以及项目检索工作。在
数据挖掘技术应用过程中，对现有数据进行更加准确的预测，需要利用应用才能够实现其价值。总之，利用高性能数据挖掘技术能够快速
寻找病毒，全方位分析和评估病毒数据，进而提升数据分析的可行性，提升软件开发安全性能，实现软件工程的动态性发展。
结束语
综上所述，随着软件工程项目中数据挖掘技术的不断应用和发展，相信在不久的将来，一定能够取得较好的优化效果，让软件工程项
目的发展变得更加地智能化与自动化，根据目前研究的情况来看，软件工程项目以及数据挖掘技术将有着更为广阔地发展空间，今后的技
术发展与研究一定会更加完善，从而创造出更大的价值。
参考文献：
[1]
贾志宇.基于混合式学习的信息化教学设计与应用研究[D].陕西师范大学，2015.
[2]
李惠，鲍跃全，李顺龙，张东昱.结构健康监测数据科学与工程[J].工程力学，2015，08：1-7.
[3]
江义晟.软件工程数据挖掘研究进展[J].电子技术与软件工程，2016，22：171.
[4]
胡金萍.探析软件工程数据挖掘研究进展[J/OL].电脑知识与技术，2016（34）
[5]
李思特.软件工程数据挖掘研究进展[J].电子技术与软件工程，2016，17：167.