大数据下数据挖掘技术的应用研究.doc

大数据下数据挖掘技术的应用研究
摘要:本文探讨了大数据时代的数据基本特征,以及数据挖掘技术与大数据,分析了数据挖掘技术方法,研究了数据挖掘技术的具体应用。
关键词:大数据;数据挖掘技术;应用
中图分类号:TP3据挖掘技术是可以实现从大数据中发掘不为人知的信息,来实现决策应用的目的。数据挖掘技术的核心是通过数据分析方法对大数据进行数理分析,挖掘数据的潜能[2]。
聚类分析法
聚类分析法的主要特点是将收集到的信息根据共通性来进行相应的分组和分类,让信息以板块的形式呈现。该方法将看似没有关系的数据进行深入研究,根据分析目标,将数据分成了不同的组别,然后利用数据之间的联系,挖掘有价值的信息,挖掘信息的潜在价值。聚类分析法存在有一定的不足,原因在于数据信息本身存在的个性化,使得数据分析在统计学的计算上存在运行难度,在数据的识别上也难以开展。
人工神经网络分析法
人工神经网络方法是指试图通过模拟大脑神经网络处理、记忆信息的方式进行信息处理的一种方法,它将复杂的、大批量的数据进行分析,进行抽象,获得计算结果并加以利用,如趋势分析等。人工神经网络方法主要是建立数学模型上的算法,而输入到神经网络中的研究值都是数值型,这就要求在收集相应数据的时候要按照自身的实际需求进行相应数据的分析,更好得实现数据的分析工作,保证数据挖掘技术的应用。
关联性分析法
关联性分析法,是基于大数据的基础上,发现数据库中不同信息之间的联系的一种分析技术法。关联性分析法能够将收集到的不能直接的对其进行应用的数据和信息进行关联性分析,实现挖掘到隐蔽性的信息和相应处理,实现数据的显性。这种分析方法是有比较好的精准性和目的性,因此这种分析方法比较常应用在数据的精密分析中,比如档案信息管理工作。
特征性数据分析法
数据特征分析是基于对数据质量分析的成果上,运用计算数据特定的相关联的特征量等手段而进行的数据分析法,可以将得到的数据挖掘结果与先期所预达到的数据分析结果更加接近或一致,因此运用该种方法来进行数据分析,更好实现大规模数据的分析。大数据时代,海量的数据信息呈现疯狂增长的势态,这使得对数据进行整理与分析会显得更加具有难度,在各种数据分析方法中,特征性的数据分析法是更适合数据量比较多的信息分析方法,它能够从大量数据特征中提取到具有代表性的特征,更加有效的得到数据分析结果,实现信息利用。
4 数据挖掘技术的具体应用研究
数据挖掘技术是信息技术发展的产物,也是大数据时代下重要的数据分析方法,能够促进数据信息的实效性应用[3]。
数据挖掘技术实现提高行业的竞争力
数据挖掘技术主要进行对所保存的数据进行挖掘、分析和运用,首先它表现在提高行业的竞争力的领域。该领域是最先应用数据挖掘技术的,是应用范围较广的领域。数据挖掘技术分析法可以找到数据内部的价值,大大缩短了科学研究的时间,实现了行业竞争力的提升。比如,现在很多的信息都可以通过人工智能技术进行采集和分析,如类似淘宝的平台,他们可以从众多个人数据所形成的大数据中分析到爱好和喜好,根据分析结果给消费者推荐所爱好的商品,从而实现提高行业的竞争力。再如,在制造业中应用大数据的挖掘技术,由于现代生活质量的