信息挖掘應(yīng)用范文

本站小編為你精心準備了信息挖掘應(yīng)用參考范文，愿這些范文能點燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

2研究的主要方向

目前國內(nèi)外信息挖掘的研究主要是以知識發(fā)現(xiàn)的任務(wù)描述、知識評價與知識呈現(xiàn)為主線，以基于各種理論的有效知識發(fā)現(xiàn)算法研究為中心，以及更加廣泛的應(yīng)用研究為主要特點。

結(jié)構(gòu)化數(shù)據(jù)挖掘技術(shù)的研究較為成熟，主要集中在算法的適應(yīng)性、擴展性和魯棒性的研究上。圍繞統(tǒng)計學方法的數(shù)據(jù)挖掘算法的研究一直受到關(guān)注，用于在具有先驗知識的情況下的不確定知識發(fā)現(xiàn)。關(guān)聯(lián)規(guī)則知識發(fā)現(xiàn)算法是眾多的應(yīng)用研究的基礎(chǔ)，研究工作集中在算法的改造以及可擴展性和普適性的研究上。序貫?zāi)Ｊ绞荝.Agrawal提出的重要的數(shù)據(jù)挖掘方法。包括單一的概念層次，多概念層次的序貫?zāi)Ｊ降难芯?。在不同的概念層次發(fā)現(xiàn)序貫?zāi)Ｊ绞鞘钟袃r值的。

神經(jīng)網(wǎng)絡(luò)是目前常用的數(shù)據(jù)挖掘技術(shù)，廣泛應(yīng)用于分類、聚類、預(yù)測建模和混沌模式的知識發(fā)現(xiàn)?；诟拍罡窭碚摰闹R發(fā)現(xiàn)的理論研究和應(yīng)用近年來受到重視。復(fù)雜類型數(shù)據(jù)的知識發(fā)現(xiàn)是目前國內(nèi)外知識發(fā)現(xiàn)領(lǐng)域的研究熱點?？臻g數(shù)據(jù)是指同占有一定空間的對象的相關(guān)聯(lián)的數(shù)據(jù)。空間數(shù)據(jù)挖掘方法主要包括空間分類和空間趨勢分析。

文本挖掘用于基于文本信息的知識發(fā)現(xiàn)。文本挖掘是利用智能算法，并結(jié)合文字處理技術(shù)，分析大量的非結(jié)構(gòu)化文本源，抽取或標記關(guān)鍵字概念，文字間的關(guān)系，獲取有用的知識和信息。其關(guān)鍵在于文本內(nèi)容的量化表征。多媒體數(shù)據(jù)的知識發(fā)現(xiàn)的研究主要是特征的抽取。在音頻數(shù)據(jù)挖掘中Fourie變換等用于抽取不變性特征。相應(yīng)的知識發(fā)現(xiàn)方法包括學習矢量量化和多層感知器等神經(jīng)網(wǎng)絡(luò)方法。

信息挖掘的理論研究表現(xiàn)出多學科的交叉和多種技術(shù)方法的融合及信息挖掘的泛化和統(tǒng)一的特征。知識發(fā)現(xiàn)技術(shù)逐漸滲透到復(fù)雜非線性系統(tǒng)，如社會科學、生物信息科學、商業(yè)與金融領(lǐng)域、地震和氣象學等領(lǐng)域的信息處理之中。復(fù)雜性系統(tǒng)的信息過程表現(xiàn)出顯著的非線性動力學特征。

3信息挖掘是商業(yè)信息處理技術(shù)的關(guān)鍵

商業(yè)領(lǐng)域中的海量歷史數(shù)據(jù)與實時數(shù)據(jù)和廣泛的應(yīng)用需求為信息挖掘的應(yīng)用和發(fā)展提供了一個廣闊的空間。信息挖掘與已有信息系統(tǒng)和人工智能技術(shù)相結(jié)合，為商業(yè)與金融數(shù)據(jù)的分析處理提供了重要的工具和理論方法。這些理論和工具已經(jīng)被用于解決金融與商業(yè)領(lǐng)域的以下各類問題：信用等級的評估；金融和經(jīng)濟預(yù)測；證券價格變動的預(yù)測；破產(chǎn)和銀行倒閉預(yù)測；惡性透支和商業(yè)欺詐甄別；證券的投資選擇和分類；商業(yè)行為分析以及銷售與客戶關(guān)系分析等。

在金融與商業(yè)領(lǐng)域中，信息挖掘技術(shù)的應(yīng)用表現(xiàn)為范圍上的延拓和層次上的深化以及多種技術(shù)方法的整合。利用文本挖掘，可以從Internet上的成千上萬的與金融相關(guān)的Web網(wǎng)頁中獲取全球金融市場的實時數(shù)據(jù)、與金融市場相關(guān)的市場、宏觀經(jīng)濟環(huán)境、政策和法規(guī)等消息、進行金融分析報告等。利用數(shù)據(jù)挖掘技術(shù)對分布于全球的市場消息和信息的處理來預(yù)測全球市場的主要股票指數(shù),并對全球主要外匯交易市場貨幣交易率的未來走勢進行預(yù)測和決策分析。

從細微和難懂的數(shù)據(jù)中識別、發(fā)現(xiàn)和抽取各類知識和規(guī)律。這樣的商業(yè)分析每天都在發(fā)生：營銷管理人員需要為某種產(chǎn)品進行目標市場分析；同時他們要求知道購買競爭對手產(chǎn)品的客戶規(guī)模、潛在客戶對優(yōu)惠券的相對接受能力、競爭對手的產(chǎn)品在零售商店中陳設(shè)的位置、下一個商業(yè)周期中對自己的及競爭對手的產(chǎn)品需求預(yù)測，等等。基于信息挖掘的商業(yè)與金融信息處理技術(shù)的價值在于能夠為使用者提供從數(shù)據(jù)集合中發(fā)現(xiàn)新關(guān)系的能力。極大地加強戰(zhàn)術(shù)和戰(zhàn)略決策以及決策過程的精確性。

信息挖掘這一概念起源于知識發(fā)現(xiàn)（KDD）領(lǐng)域，廣泛地應(yīng)用到科學研究、金融、保險、醫(yī)療保健、司法和制造等各個行業(yè)。各個學科領(lǐng)域都從不同的角度利用相應(yīng)的理論和分析方法進行著信息挖掘的研究工作，涉及到機器學習、統(tǒng)計分析、數(shù)據(jù)庫技術(shù)、模式識別、人工智能、神經(jīng)網(wǎng)絡(luò)、可視化方法、不確定性推理、人工生命、模糊邏輯和粗糙集理論等領(lǐng)域。

信息挖掘的應(yīng)用對象從結(jié)構(gòu)化數(shù)據(jù)發(fā)展到半結(jié)構(gòu)化及非結(jié)構(gòu)化的復(fù)雜數(shù)據(jù)類型，包括關(guān)系數(shù)據(jù)庫、面向?qū)ο髷?shù)據(jù)庫、空間數(shù)據(jù)庫、推理數(shù)據(jù)庫、多媒體數(shù)據(jù)庫、時態(tài)數(shù)據(jù)庫、文本數(shù)據(jù)、Web日志文件、圖形圖像數(shù)據(jù)及音頻和視頻數(shù)據(jù)等。信息挖掘所涉及到的知識類型，根據(jù)應(yīng)用特點可分為預(yù)測型、描述型、發(fā)現(xiàn)型、驗證型等類型知識，根據(jù)知識的性質(zhì)特點可分為關(guān)聯(lián)規(guī)則、分類規(guī)則、聚類規(guī)則、時序模式、相似模式、混沌模式、回歸模式、趨勢分析、偏差分析、模式分析等。