计算机数据挖掘技术的开发及其应用研究

阿不都艾尼·阿不都肉素力

摘要：现代信息技术发展过程中，与现代统计学知识高度融合，从而衍生出计算机数据挖掘技术。计算机数据挖掘技术，和大数据技术、云存储技术共同发展，为社会生产与生活提供较多便利。该文注重开发计算机数据挖掘技术，同时提出科学化处理对策，仅供参考。

关键词：计算机数据挖掘技术;开发;应用

中图分类号：TP391      文献标识码：A

文章编号：1009-3044（2022）03-0027-03

开放科学（资源服务）标识码（OSID）：

在大数据时代下，数据信息量非常大，但由于数据完整性不足，所以既存在价值数据，也存在垃圾数据。海量数据具备特殊意义，且数据背后隐藏重要知识信息，因此具备不完整性、随机性、模糊性特点。在噪声数据中，注重挖掘价值信息。数据挖掘，通过分析海量数据，可以实现自动化分析，做好归纳整理，提取价值信息。利用上述信息，能够为应用对象提供便利性。企业、个体用户可以有效评估市场，明确实施方案，按照市场政策变化，降低投资风险，效益显著。同时，帮助行业应对政策变化，提供最佳营销手段与策略。当企业面临资金、管理危机事件时，可以贡献较多力量。

1 计算机数据挖掘技术过程概述

1.1明确数据库与数据挖掘目的

数据挖掘技术功能较多，需要合理应用技术措施，明确数据挖掘目的，按照目的选择数据库。由于计算机数据挖掘技术，涉及多种数据挖掘方法，且不同数据挖掘目的、挖掘方法不同，所以选择适宜挖掘方法，能够保障数据挖掘结果准确性。此外，明确数据挖掘目的、数据库，可以发挥出数据挖掘技术优势。

1.2数据选择与预处理

明确数据挖掘目的与数据库后，需要在数据库内提取目标数据。值得一提的是，维护目标数据内信息，同时将目标数据作为数据挖掘范围，即数据选择。明确目标数据后，科学处理目标数据，删除错误信息、无用信息，留下有用信息。上述过程为预处理流程，能够精简目标数据。

1.3数据挖掘

第一，按照数据挖掘目的，明确数据挖掘技术类型、应用算法。算法属于数据挖掘精髓，通过科学算法，能够提升数据挖掘结果可靠性，借鉴价值强。第二，数据挖掘算法是一种数学模型，按照数据挖掘算法，建立标准化数学模型。利用数据挖掘算法，准确处理目标数据。第三，在计算机系统中，通过算法挖掘数据信息，能够获得相关结果。

1.4评估结果

评估结果环节，主要分析数据挖掘结果，做好科学化评估。通过数据挖掘技术获取结果，但是要验证结果正确性。当结果不满足数据信息要求时，则重新选择数据挖掘算法、数学模型。当结果满足应用要求时，将数据结果应用到实践操作中，指导后续工作，全面提升工作效率。

2 计算机数据挖掘技术开发

2.1传统统计方法

在日常生活中，频繁使用统计方法，将统计学知识落实到各领域。对于传统统计学方法涉及内容比较多，包含多元统计技术、统计预测技术、抽样技术。其中，抽样技术为重要统计方法，可以应用到生活实践中。在海量数据中，提取价值数据，将其作为样本信息。科学分析样本信息，展示数据信息，合理应用抽样技术，减少统计量、数据分析量。统计预测技术，包括序列分析、回归分析等。多元统计分析，需要复杂数据结构，例如因子统计、数据统计等。

2.2可视化技术

在统计数据时，借助数据挖掘技术可以提升数据统计效率，同时确保数据统计结果满足要求。但是，数据统计结果通常包含隐晦特征，为了掌握相关特征，需要利用图表、散点图方式，表达数据统计结果特征，使人们正确理解数据统计结果。基于实用角度分析，可视化技术无法实现高维数据可视化，高维数据在图表中呈现难度大，但是能够指导可视化技术发展，技术创新性强。

2.3决策树

通过决策树，能够分类预测海量数据，是一种新型数据挖掘技术。遵循标准化规则，建设科学的数据体系。决策树计算方法较多，例如SPRINT、SLIQ等。通过上述算法，可以将训练集归纳为决策树，对分类属性、连续属性予以处理。

2.4遗传算法

基于生物科学角度分析，计算机所具备的智能学习能力，必须注重数据结合、数据突变过程整合。处理数据信息时，淘汰不合理数据，留存优质数据信息，使其成为新数据组合。数据优化处理后，能够提升数据信息适应度。遗传算法理论，可以支持数据挖掘技术开发，属于标准化处理方法。准确定位数据挖掘技术，以决策数据为核心技术，扩大技术开发应用范围，对决策者知识储备要求低，既可以展示出数据挖掘优势，还可以研发全新的技术措施。

2.5联机分析处理

基于本质分析可知，联机分析处理可以通过多计算机系统，对某个具体问题进行分析。计算机连接性，采用多数据节点方式分析数据信息。针对应用对象，注重联机分析处理，即多维数据。联机分析处理程序，可以划分为主计算机任务、其他联机计算机任务，围绕主计算机提出科学分配方案，准确计算数据并进行统计分析。

2.6计算机神经网络

基于计算机神经网络，获取计算机网络研究成果，模拟人体神经网络，生成输入单元、处理单元、输出单元。在数据处理中应用计算机网络，能够调整计算数据信息，归纳整理计算结果。

2.7粗糙集

当缺少数据知识时，粗糙集能够对数据分类能力进行考察，分析和处理不确定数据、模糊数据。在数据库体系中，合理应用粗糙集，能够发现分类规则，同时将数据库属性划分为条件属性、结论属性。针对数据库内部元组，按照不同属性值划分为对应子集，合理划分条件属性、结论属性，从而生成判定规则。因此，具备相似对象集合，可以称为初等集合，将其作为知识组成成分。对于初等集合并集，可以纳入精確集合，同时整理为粗糙集。不同粗糙集拥有不同边界元素，但是不能划分为集合元素，也不能作为集合元素的补充元素。在数据挖掘分类中，可以应用粗糙集理论，能够及时发现噪声数据、异常数据内部结构。

2.8支持向量机

随着统计学习理论的发展，逐渐出现支持向量机，属于新型机器学习方法。基于结构风险最小化原则，加强学习泛化能力，推广性能、分类精确性能显著，可以处理学习问题，形成训练多层感知器、多项式神经元网络、RBF神经网络等。同时，支持向量法属于凸优化问题，局部最优解为全局最优解，上述特点为神经元网络算法无法企及的优势。在数据挖掘分类、回归、未知事物探索中，合理应用支持向量机。

2.9关联规则

关联规则属于实用性分析规则，可以描述事物属性、模式与规律，属于数据挖掘中的成熟技术。在数据挖掘领域，应用关联规则的价值显著，能够掌握数据规律，不会受到单一因变量限制。大部分关联规则挖掘算法，可以发现隐藏挖掘数据的关联性，但并非所有关联属性都具备应用价值，必须做好科学化评价，筛选高价值关联规则。

3 计算机数据挖掘技术的应用实践

3.1市场营销中的应用

在现代生活发展中，多数消费者购物都倾向于刷卡操作，在此操作中，销售商可以采集到消费者信息。消费者数量持续增加，销售商可以采集到价值信息，便于开展市场营销活动。不同销售商、生产厂家，根据价值信息采集，对消费者实际需求、购物习惯进行分析，掌握消费者消费时间，对消费者下步消费行为进行推断。例如，企业收集消费者信用卡使用数据，掌握商品销售情况，同时，通过促销活动掌握消费意向。开展上述工作，比较依赖数据挖掘技术。企业通过数据挖掘技术，可以掌握消费群体需求，同时为企业决策制定提供数据依据，加强企业市场竞争力。基于总体分析可知，将数据挖掘技术应用到市场营销中，可以应用数据库营销、货篮分析方式。数据库营销，通过模型预测、交互式查询方式，筛选企业潜在客户，同时针对性推销产品。

3.2金融投资中的应用

在金融分析中，股票教育预测、投资评估，属于重要内容。通过模型预测法、统计回归技术法开展。与其他行业相比，金融投资风险大，投资前必须做好数据分析，既可以规避投资风险，还可以明确投资方向。事物发展过程中，会呈现出增长趋势，所以要做好科学预测，将其与交易市场预测、投資评估放在同等重要地位。在研究分析时，通过计算机数据分析推理相关内容。在现有数据处理中，按照存在关系，挖掘深层次数据，并根据数据模型进行预测。同时，在商业银行机构中，也开始广泛应用数据挖掘技术。银行经营管理时常出现诈骗、恶意投资行为，增加经济损失，所以必须准确预测和鉴别欺诈行为。按照笔者研究可知，银行机构在鉴别诈骗行为时，主要采用对比正常行为、诈骗行为方式，以此获取诈骗行为特征。审核人员预警特征人员，加大审查力度，拒绝提供服务。在商业银行体系中，合理应用计算机数据挖掘技术，借助银行业系统调取客户信息，例如流水、资金、存款与信贷等。深入分析相关数据信息，可以掌握抵押物、偿债能力，评估交易风险，推理诈骗行为。将审查结果提交至技术人员审核，通过此种方式，可以降低商业银行诈骗行为。

3.3电子商务网站中的应用

随着互联网技术快速发展，电子商务网站成为企业、商家必争方式，电子商务网站在线交易会产生海量登记表、记录文件。将计算机数据挖掘技术应用到电子商务中，可以深度分析数据信息，确保商家掌握消费者购买喜好、模式等，满足不同层次消费需求，也可以为企业、商家提供扩大市场份额的机会。合理应用计算机数据挖掘技术，深度挖掘消费者背景信息、浏览者点击量。客户登记表为去背景信息，点击量则是考察客户行为的重要方式。然而，客户不会在登记表中填写所有信息，致使数据挖掘与分析难度比较大。基于浏览者多项表现数据，可以准确推测和应用背景信息。

3.4在半导体领域中的应用

在半导体领域中，合理应用计算机数据挖掘技术，可以有效作用到软件检测中。在生产半导体元件时，利用元件信息采集，可以准确分析和检测元件信息，确保元件性能质量达标后，

再应用到半导体中。因此，借助计算机数据挖掘技术，能够判断元件合格准确率，以免应用到不合格商品。此外，在金融投资中，合理应用计算机数据挖掘技术，可以为金融投资提供参考。将计算机数据挖掘技术应用到电子商业中，既可以推断消费者喜好，还可以为消费者提供目标产品，减少消费时间浪费，实现快速销售目的。例如，京东、淘宝等购物网站，都应用了计算机数据挖掘技术。

4 结束语

综上所述，现代经济快速发展背景下，各行业对数据信息的依赖度加强，有助于提升数据挖掘技术开发与应用价值。大数据挖掘技术，可以影响多行业领域发展，比如市场营销、金融投资、电子商务网站、半导体领域等，在不同领域中的应用，均可以掌握行业发展规律，提出科学化发展策略与建议，以此展示出计算机数据挖掘技术的应用价值。

参考文献：

[1] 段冬，张娴.大数据背景下人工智能在计算机网络技术中的应用研究[J].电脑知识与技术，2021，17（9）：179-180，190.

[2] 徐梦馨，高德立，柳景.大数据背景下数据挖掘技术在档案管理系统中的运用[J].信息与电脑（理论版），2021，33（2）：28-30.

[3] 赵云.基于大数据的计算机数据挖掘技术在档案管理系统中的应用[J].中国新通信，2020，22（22）：113-114.

[4] 黄毅能，吴旭东，多晓伟.数据挖掘技术在电商平台中的应用——以陶瓷餐具的电商营销为例[J].现代营销（经营版），2020（10）：112-113.

[5] 范海峰.数据挖掘技术在计算机网络病毒防御系统开发中的应用[J].电子技术与软件工程，2020（17）：236-237.

[6] 车全伟，雷成，李玉如，等.基于神经网络的数据挖掘模型在吸能装置上的应用[J].西南交通大学学报，2021，56（5）：995-1001.

[7] 徐承俊，朱国宾.数据挖掘在全国计算机等级考试（NCRE）成绩分析中的研究及应用[J].计算机应用与软件，2020，37（8）：64-67，73.

[8] 刘各巧.数据挖掘技术研究以及在档案计算机管理系统中的应用[J].太原城市职业技术学院学报，2020（7）：199-201.

[9] 姜齐艳，王鲁平.基于数据挖掘与神经网络的财务异常数据监测分析算法[J].电子设计工程，2020，28（11）：14-17，22.

[10] 夏天维. 计算机数据挖掘技术的开发及其应用探究[C]//“决策论坛——管理科学与工程研究学术研讨会”论文集（下）.《决策与信息》杂志社、北京大学经济管理学院：《科技与企业》编辑部，2016：241.

【通联编辑：唐一东】