预览加载中,请您耐心等待几秒...
1/2
2/2

在线预览结束,喜欢就下载吧,查找使用更方便

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

云计算时代下数据挖掘技术的应用分析周戈摘要:随著计算机技术的稳步发展,一种全新的计算服务即云计算服务模式出现在人们的视野当中,因其能够突破传统计算在时空方面的限制,并且可以实现各信息资源的高效传输与共享,因此也得到了广泛使用。而在云计算应用发展的背景之下,为了能够应对“爆炸”增长的海量数据,数据挖掘技术也开始得到全方面应用。基于此,本文将从简单介绍数据挖掘技术出发,针对云计算时代下数据挖掘技术的应用进行简要分析研究。关键词:云计算;数据挖掘技术;实际应用:TP311:A:1007-9416(2017)03-0254-011数据挖掘技术的简要概述1.1具体内涵数据挖掘技术指的就是通过提取被挖掘对象文档中的相关信息数据,在对其进行分类整理和深入分析之后,进行数据计算等操作以及对数据进行科学预测,并妥善存储保管数据的一种技术。因此在数据挖掘技术当中包含了若干种不同的子技术,但其并不是只对其中的某一项技术进行运用,而是通过将各种信息数据处理技术进行优化整合后的技术[1]。1.2分类聚类在相同的交易数据库中,利用项目之间的具体关系可以使用例如线性规划或是神经网络等相关数学方法,用于对信息数据进行科学分类,而通过合理利用现代化、专业化的软件也能够及时归纳和总结出将数据项分组的方式方法。通过数据挖掘中的聚类技术可将同类型的数据明确规划在一起,为日后数据的查询、应用等提供了巨大便利。1.3分析预测数据挖掘技术中的分析和预测技术,能够通过对自变量之间的关系、自变量与因变量的关系进行深入挖掘和分析研究,进而将其代入到具体的实际案例当中,完成信息数据的科学预测。譬如说将数据挖掘技术运用在企业当中,则可以通过分析销售额与净利润之间的关系,对未来产生的销售利润进行科学判断。1.4序列模式序列模式同样也是数据挖掘技术当中的一项重要组成部分,其可以通过按照时间顺序,深入分析数据之间的内在关联,从而判断出数据的核心内容以及其重要程度等,为数据挖掘的实际应用奠定良好基础。2云计算时代下数据挖掘技术的应用2.1账户管理云计算时代下,利用数据挖掘技术构建起的数据挖掘平台,其在账户管理方面主要负责收入与支出明细和账户余额、历史记录的浏览与查询。其中支出明细主要是用于详细记录用户使用云计算的具体付费服务及其他相关账目明细,而收入明细则主要用于详细记录用户使用数据挖掘技术得到的数据资源以及购买和使用普通挖掘算法,并对其进行优化过程中的报酬明细。账户余额则是用于计算收支差额,用户在登录以及使用数据挖掘技术下产生的所有操作记录均显示在历史记录当中,方便用户随时随地进行查询[2]。2.2数据管理云计算时代下数据量陡然增加,用户不仅拥有自己的数据,还可以结合实际需求对数据进行买卖从而获取新的数据,而在此过程当中则需要利用云计算的DaaS服务模式完成相关数据管理。用户通过登录数据挖掘平台能够准确搜索出自身所需数据资源,同时其也可以向数据挖掘平台提供自己的数据,并从中获得一定的报酬。为了方便对不同数据进行统一管理,在数据挖掘平台当中,通过运用数据挖掘中的分类聚类技术,将数据按照我的数据、采购数据和买出数据进行规划分类,将用户全部的数据资源存放管理在我的数据当中,而用户购买的数据资源则被统一放置在采购数据当中,并按照采购的时间顺序进行清晰排列,方便用户的浏览查询。在买出数据当中,利用时间序列也将按照一定顺序详细罗列出所有的数据交易记录,同时利用分析预测技术可以对卖出情况最好的数据进行分析,进而预测出最受欢迎的数据类型。2.3算法管理在数据挖掘技术当中其需要通过一系列的算法,譬如说Apriori算法、频繁模式增长算法等等用于挖掘、分析、预测、计算和存储数据,同时还需要结合用户的实际需要对算法进行优化和转换,因此在算法管理当中主要包括系统算法、自定义算法的管理以及历史记录,在系统算法当中能够将现有的各类数据挖掘算法及其简单介绍等清晰展示出来,同时用户可以在算法历史记录当中查询出自己每一次使用的具体算法及其计算过程[3]。3结语总而言之,随着我国在科学技术领域研究的不断深入,云计算技术越来越完善,其应用范围和程度也获得了不同程度的发展。而将其与数据挖掘技术进行有机融合,能够通过二者的优势互补,实现海量数据的快速分析、计算、存储等一系列操作,使得数据挖掘工作的效率与质量均能够得到大幅度提升。相信随着时代的发展与时间的推移,未来云计算技术与数据挖掘技术还将得到进一步的优化完善,进而更好地为数据挖掘工作提供更多的便利。参考文献[1]李德富,陈运启,彭波.数据挖掘与云计算技术及其在煤矿中的应用[J].山东煤炭科技,2016,01:166-168.[2]邵燕,陈守森,贾春朴,许强.探究大数据时代的数据挖掘技术及应用[J].信息与电脑(理论版),2016,10:118-119.[3]王晓燕,吴应清.云