数据挖掘技术及应用浅析

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、聚类和遗传分析[1]。统计方法可以满足数据库处理分析，包括：有线、非线、回归等多项统计方法；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的重点，以生物进化为导向，将重组、变异导入到数据库内，推进数据的后续发展，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，结合繁殖、基因、突变、重组的概念，引入新数据，促使数据库中新个体的形成，所以数据挖掘中的遗传算法，既可以作为数据分析的方法，也可以体现预算和评估的特点。

2 数据挖掘的技术支持

2.1 神经网络技术

神经网络主要以数学模型为主，重点针对复杂数据，快速完成数据抽取。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结构，利用MP，实现非线性规划，根据数据信息的特性，决定信息的存储位置，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，促使数据挖掘处于优化的状态，完成难度聚类。神经网络技术的代表为RBF和BP。

2.2 决策树技术

此技术以模拟离散函数为主，借助树木模型，对实际案例进行综合分类处理。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，表示可能覆盖的属性预测[2]。决策树在根部向枝叶推进的过程中，蕴含丰富的数据挖掘，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。

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营，数据挖掘技术可以针对三网状态，实行模式分析，挖掘商业潜能。例如：数据挖掘技术可以对通信数据进行分析，得出通信系统实时运行的参数和状态，以聚类的方式，归类系统数据，还可直接分析用户的实际行为，拓宽业务途径，同时发现发展机遇，提升通信服务行业的社会效益。

3.2 高校管理系统

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，都可体现数据挖掘技术的优点。高校学生数量较多，通过数据挖掘技术，可以为学生提供一体化服务，学生在入学之际，即可将信息录入在管理系统内，整个在校期间，都可通过管理系统，查询个人信息，管理者也可以根据管理系统，快速调取学生信息，如：图书借阅、饭卡充值等，随时关注学生的信息动态[3]。高校在数据管理方面，已经实现多系统的融合发展，在数据挖掘技术的支持下，将不同功能的数据系统，兼容于统一系统，不论是学生，还是教务人员，利用独立账号、密码，都可实现个人信息管理或查询，对数据挖掘技术提供更高的发展要求。

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，几乎不会出现相同数据，因此，医学领域的数据管理，具备一定难度。数据挖掘技术成功应用于医院数据管理中，特别是在病历管理、医药信息管理方面，例如：数据挖掘技术可以整合医药信息，将医药信息存储于数据库系统内，医务人员可以通过检索的方式，在管理系统内，迅速获得所需信息，避免信息筛选错误，提高信息识别的能力。由此，医务人员在信息管理和校对方面，提高操作效率，确保数据挖掘的质量。

3.4 金融行业

金融行业中的数据分类比较明确，如：信贷数据、储蓄数据等，需对数据采取合理的分配和管理。数据挖掘技术在金融行业中，为数据管理提供可靠的空间，成为管理金融数据的最佳方式[4]。数据挖掘技术具备独立分析的能力，可以在数据库中，设置多维参考点，对不同类型的数据实行严格区分，根据数据的异同性质，实行准确处理，发挥数据挖掘的优势，维持金融数据的运行。数据挖掘技术还可以根据金融数据的动态变化，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。

[参考文献]

[1]罗斌.数据挖掘研究进展[J].中国水运，2012（07）：90-92.

[2]张昀.数据挖掘技术研究[J].软件导刊，2012（09）：45-47.

[3]张惠萍.数据挖掘及其应用[J].科技咨询导报，2011（08）：36-38.

[4]马贺男.浅谈数据挖掘技术及其应用[J].黑龙江科技信息，2011（19）：29-31.