摘要：人工智能技術(shù)是智能決策支持系統(tǒng)的重要組成部分，數(shù)據(jù)挖掘在智能決策支持系統(tǒng)的影響空間中，主要負(fù)責(zé)智能決策支持的處理。因此，數(shù)據(jù)挖掘在整個智能決策支持系統(tǒng)中有著舉足輕重的位置。數(shù)據(jù)挖掘使用的技術(shù)和方法廣泛來自人工智能，本文分別介紹了人工智能技術(shù)和數(shù)據(jù)挖掘技術(shù)的定義,研究背景和研究目的，以及數(shù)據(jù)挖掘與人工智能的聯(lián)系,并結(jié)合國內(nèi)外在該領(lǐng)域的研究成果指出了其廣闊的發(fā)展前景。

關(guān)鍵詞：人工智能；數(shù)據(jù)挖掘；發(fā)展前景

當(dāng)今社會已經(jīng)進入了人工智能時代，人工智能的應(yīng)用，大大改善了我們的生活。大數(shù)據(jù)時代已經(jīng)來臨，不論是從數(shù)據(jù)的使用，挖掘，處理等方面，都為人工智能的應(yīng)用起到了基礎(chǔ)和保障。

1人工智能

1.1人工智能的定義。人工智能（ArtificialIntelligence），簡稱AI。屬于計算機學(xué)科下的分支，顧名思義，它是一門專門研究類人化的智能機器學(xué)科，即利用現(xiàn)階段科學(xué)的研究方法和技術(shù)，研制出具有模仿、延伸和擴展人類智能的機器或智能系統(tǒng)，從而實現(xiàn)利用機器模仿人類智能的一切行為。1.2人工智能的研究背景。在1956年的達特矛斯會議上，“人工智能”這一術(shù)語正式由麥卡錫提議并采用了，隨后人工智能的研究取得了許多引人注目的成就。在這之后，科研人員進行了許多的研究和開發(fā)，人工智能這個話題也取得了飛速的發(fā)展。人工智能是一門極具挑戰(zhàn)性的科學(xué)，從事這項工作的人必須了解計算機知識、心理學(xué)和哲學(xué)理念。人工智能的研究包涵廣泛的科學(xué)知識，以及其他領(lǐng)域的知識，如機器學(xué)習(xí)、計算機視覺等。一般來說，人工智能研究的主要目標(biāo)是使機器能夠做一些通常需要人工智能完成復(fù)雜工作的機器。1.3人工智能的研發(fā)歷程。早期研究領(lǐng)域：人工智能專家系統(tǒng)，機器學(xué)習(xí)，模式識別，自然語言理解，自動定理證明，自動編程，機器人，游戲，人工神經(jīng)網(wǎng)絡(luò)等，現(xiàn)在涉及以下研究領(lǐng)域：數(shù)據(jù)挖掘，智能決策系統(tǒng)，知識工程，分布式人工智能等。數(shù)據(jù)挖掘的出現(xiàn)使得人工智能的研究在應(yīng)用領(lǐng)域得到廣泛的發(fā)展。以下簡要介紹其中的幾個重要部分：（1）專家系統(tǒng)。所謂專家系統(tǒng)就是控制計算的智能化程序系統(tǒng)，通過研發(fā)人員總結(jié)歸納了專業(yè)學(xué)科知識和日常經(jīng)驗，能夠知道計算機完成某個領(lǐng)域內(nèi)的專業(yè)性活動或者解決某些專業(yè)級別的問題。人工智能技術(shù)可以合理利用已知的經(jīng)驗體系在復(fù)雜環(huán)境中，解決和處理復(fù)雜問題。（2）機器系統(tǒng)。機器系統(tǒng)簡單說就是機器人通過人造神經(jīng)系統(tǒng)，借助于網(wǎng)絡(luò)或者存儲系統(tǒng)汲取系統(tǒng)的知識進行開發(fā)研究。（3）感知仿生。感知仿生系統(tǒng)通過模擬人類的感官，感知生物學(xué)特征，通過人工智能機器的感部件對外界外部環(huán)境進行感知，識別，判斷，分析的能力。能夠更好的適應(yīng)環(huán)境，做出判斷。（4）數(shù)據(jù)重組和發(fā)掘。是指通過人工智能系統(tǒng)，結(jié)合當(dāng)前先進的理念，對大數(shù)據(jù)的總結(jié)歸納，識別存儲，調(diào)取等應(yīng)用。通過數(shù)據(jù)的加工處理，能夠主動做出判斷和分析。（5）人工智能模式。分布式人工智能是模式之一，該系統(tǒng)利用系統(tǒng)有效的規(guī)避和克服系統(tǒng)資源在某段時間內(nèi)的局限性，并能有效地改善因資源造成的時間和空間不均衡問題。它具備，模式自動轉(zhuǎn)換，并行處理，開放啟發(fā)方式，冗余且容錯糾錯的能力。

2數(shù)據(jù)挖掘

摘要:在如今信息技術(shù)時代,計算機依然成為了現(xiàn)代社會的必需品,計算機數(shù)據(jù)挖掘技術(shù)是大數(shù)據(jù)環(huán)境下的必要手段,它融合了數(shù)學(xué)、統(tǒng)計、概率論、計算機技術(shù)等協(xié)同云計算、云存儲技術(shù)的發(fā)展而發(fā)展,為現(xiàn)代的科技和進步作出了巨大貢獻,本文基于計算機挖掘技術(shù)的開發(fā)和技術(shù)研究,探討出了相關(guān)應(yīng)用技術(shù),有望為計算機數(shù)據(jù)挖掘做出貢獻。

關(guān)鍵詞:計算機；挖掘技術(shù)；開發(fā)應(yīng)用

隨計算機技術(shù)的迅速發(fā)展,我國如今已經(jīng)進入了信息時代,計算機數(shù)據(jù)挖掘技術(shù)已經(jīng)應(yīng)用到各個領(lǐng)域,很多程度地促進了社會效益的增長。數(shù)據(jù)挖掘的出現(xiàn)將數(shù)據(jù)庫技術(shù)帶到了更高級的階段,它不僅可以查詢和遍歷過去的數(shù)據(jù),還可以識別過去數(shù)據(jù)之間的潛在數(shù)據(jù),以促進信息的傳播。計算機挖掘技術(shù)的發(fā)展不僅促進了人們的生活,促進了企業(yè)市場的調(diào)查和發(fā)展,而且在國防科技中發(fā)揮了巨大的作用。因此,如何做好計算機數(shù)據(jù)挖掘技術(shù)的發(fā)展是現(xiàn)階段最重要的任務(wù),促進了互聯(lián)網(wǎng)技術(shù)、金融投資、生物醫(yī)學(xué)、地理等領(lǐng)域的快速發(fā)展,極大地滿足了市場的實際需求。

1計算機挖掘技術(shù)的過程

所謂有了目標(biāo)才有方向,因此在進行數(shù)據(jù)挖掘之前,我們必須先明確目標(biāo),確定數(shù)據(jù)挖掘技術(shù)需要解決的現(xiàn)實問題到底是什么,從而根據(jù)問題和目的意義,尋找適宜的手段,根據(jù)我們需要解決的問題梳理思路和方法,從眾多數(shù)據(jù)挖掘方法中選取最適合的挖掘方法,并確定數(shù)據(jù)挖掘的數(shù)據(jù)庫。接下來根據(jù)問題從數(shù)據(jù)庫中提取適合數(shù)據(jù)挖掘的目標(biāo)數(shù)據(jù),并進行初步的數(shù)據(jù)處理,除去無關(guān)信息,方便后面讀取數(shù)據(jù)處理的速度,也在這個預(yù)處理過程中有效的檢驗數(shù)據(jù)是否有誤,通常金融類數(shù)據(jù)需要填補空缺值處理、對數(shù)收益率計算等相關(guān)處理,讓數(shù)據(jù)序列精簡有用,這是數(shù)據(jù)處理當(dāng)中,非?；竞捅匾囊徊?對之后的深入研究和挖掘起決定性作用。在對數(shù)據(jù)進行了初步預(yù)處理之后,我們根據(jù)數(shù)據(jù)列進行數(shù)據(jù)挖掘。通常在數(shù)據(jù)挖掘算法中需要構(gòu)建數(shù)學(xué)模型,并在計算機上使用數(shù)學(xué)模型和算法,進行編程計算獲得相應(yīng)結(jié)果。得到結(jié)果之后,需要對結(jié)果進行檢驗,檢驗其是否能達到數(shù)據(jù)挖掘的目的,數(shù)據(jù)結(jié)果是否符合相對應(yīng)的現(xiàn)實意義,如果結(jié)果不符合要求將重新選擇數(shù)據(jù)挖掘算法和模型。最后將結(jié)果用于說明實際問題并指導(dǎo)實際工作,從而獲得數(shù)據(jù)挖掘的現(xiàn)實價值。

2計算機數(shù)據(jù)挖掘技術(shù)的主要工具

一、數(shù)據(jù)挖掘技術(shù)

當(dāng)今社會科技迅速發(fā)展，以往收集數(shù)據(jù)的模式已經(jīng)無法適應(yīng)當(dāng)代社會發(fā)展需要。而數(shù)據(jù)挖掘技術(shù)的誕生，提高了數(shù)據(jù)收集的速度和質(zhì)量，且在某種程度上還促進了社會的發(fā)展。

(一)數(shù)據(jù)挖掘技術(shù)的概念

數(shù)據(jù)挖掘技術(shù)是從許多的、不完全的、相對模糊的、存在噪聲的、任意的實際數(shù)據(jù)當(dāng)中，找出其中隱藏的、人們原先不了解的、但又是實際存在的、有用的信息和知識的過程［1］。數(shù)據(jù)挖掘所得信息具有先前未知、有效和實用三個特征。決策者對挖掘所得信息進行分析，從中提取出隱藏的關(guān)系和模式，來對未來發(fā)生的行為進行預(yù)測。

(二)數(shù)據(jù)挖掘技術(shù)的運用

在使用數(shù)據(jù)挖掘技術(shù)的過程中，數(shù)學(xué)方法經(jīng)常被用到，但在一些特殊的時候，也會用到非數(shù)學(xué)的方法。另外，使用數(shù)據(jù)挖掘技術(shù)過程中，除了上面提到的方法外，還可以用演繹的方法和歸納的方法收集數(shù)據(jù)。在使用數(shù)據(jù)挖掘技術(shù)過程中，利用對相關(guān)數(shù)據(jù)進行挖掘、收集和分析得出相應(yīng)的結(jié)果，并且這個結(jié)果在某些情況下，恰好能被用在管理信息、優(yōu)化查詢、過程控制、決策支持及數(shù)據(jù)維護等方面［2］。然而，由于數(shù)據(jù)挖掘技術(shù)特性，其在使用的過程中，涉及學(xué)科比較廣，并且還涉及數(shù)據(jù)庫、數(shù)理統(tǒng)計、人工智能、并行計算、機器學(xué)習(xí)、可視化等許多領(lǐng)域。數(shù)據(jù)挖掘技術(shù)中，常用到的有規(guī)則歸納、決策數(shù)、人工神經(jīng)網(wǎng)絡(luò)、遺傳算法，以及可視化等技術(shù)。

【摘要】由于我國的信息技術(shù)迅速發(fā)展，傳統(tǒng)檔案管理的技術(shù)已經(jīng)不能滿足現(xiàn)代的信息需求，數(shù)據(jù)挖掘技術(shù)的應(yīng)用為檔案管理工作效率的提升帶來便利。本文通過說明數(shù)據(jù)挖掘技術(shù)的有關(guān)內(nèi)容，闡明數(shù)據(jù)挖掘技術(shù)的相關(guān)知識，并對數(shù)據(jù)挖掘技術(shù)在檔案管理工作中的實際運用來進行舉例分析。

【關(guān)鍵詞】數(shù)據(jù)挖掘技術(shù)；檔案管理；分析運用

由于信息技術(shù)的迅速發(fā)展，現(xiàn)代的檔案管理模式與過去相比，也有了很大的變化，也讓如今的檔案管理模式有了新的挑戰(zhàn)。讓人們對信息即時、大量地獲取是目前檔案管理工作和檔案管理系統(tǒng)急切需要解決的問題。

一、數(shù)據(jù)挖掘概述

（一）數(shù)據(jù)挖掘技術(shù)。數(shù)據(jù)挖掘是指從大量的、不規(guī)則、亂序的數(shù)據(jù)中，進行分析歸納，得到隱藏的，未知的，但同時又含有較大價值的信息和知識。它主要對確定目標(biāo)的有關(guān)信息，使用自動化和統(tǒng)計學(xué)等方法對信息進行預(yù)測、偏差分析和關(guān)聯(lián)分析等，從而得到合理的結(jié)論。在檔案管理中使用數(shù)據(jù)挖掘技術(shù)，能夠充分地發(fā)揮檔案管理的作用，從而達到良好的檔案管理工作效果。（二）數(shù)據(jù)挖掘技術(shù)分析。數(shù)據(jù)挖掘技術(shù)分析的方法是多種多樣的，其主要方法有以下幾種：1.關(guān)聯(lián)分析。指從已經(jīng)知道的信息數(shù)據(jù)中，找到多次展現(xiàn)的信息數(shù)據(jù)，由信息的說明特征，從而得到具有相同屬性的事物特征。2.分類分析。利用信息數(shù)據(jù)的特征，歸納總結(jié)相關(guān)信息數(shù)據(jù)的數(shù)據(jù)庫，建立所需要的數(shù)據(jù)模型，從而來識別一些未知的信息數(shù)據(jù)。3.聚類分析。通過在確定的數(shù)據(jù)中，找尋信息的價值聯(lián)系，得到相應(yīng)的管理方案。4.序列分析。通過分析信息的前后因果關(guān)系，從而判斷信息之間可能出現(xiàn)的聯(lián)系。

二、數(shù)據(jù)挖掘的重要性

1電子商務(wù)中的數(shù)據(jù)挖掘簡介

電子商務(wù)中的數(shù)據(jù)挖掘即Web挖掘，是利用數(shù)據(jù)挖掘技術(shù)從www的資源(即Web文檔)和行為(即Web服務(wù))中自動發(fā)現(xiàn)并提取感興趣的、有用的模式和隱含的信息，它是一項綜合技術(shù)，涉及到Internet技術(shù)學(xué)、人工智能等多個領(lǐng)域。當(dāng)電子商務(wù)在企業(yè)中得到應(yīng)用時，企業(yè)信息系統(tǒng)將產(chǎn)生大量數(shù)據(jù)，并且迫切需要將這些數(shù)據(jù)轉(zhuǎn)換成有用的信息，為企業(yè)創(chuàng)造更多潛在的利潤，數(shù)據(jù)挖掘概念就是從這樣的商業(yè)角度開發(fā)出來的。

2Web數(shù)據(jù)挖掘的流程

Web數(shù)據(jù)挖掘是對商業(yè)數(shù)據(jù)庫中的大量業(yè)務(wù)數(shù)據(jù)進行抽取、轉(zhuǎn)換、分析和其他模型化處理，從中提取商業(yè)決策的關(guān)鍵性數(shù)據(jù)，可以使企業(yè)把數(shù)據(jù)轉(zhuǎn)化為有用的信息幫助決策，從而在市場競爭中獲得優(yōu)勢地位。在電子商務(wù)環(huán)境下，Web數(shù)據(jù)挖掘主要分為以下幾步:(1)數(shù)據(jù)收集。首先數(shù)據(jù)收集主要針對web數(shù)據(jù)中的服務(wù)器數(shù)據(jù)、用戶數(shù)據(jù)。其中服務(wù)器數(shù)據(jù)是Web挖掘中的主要對象。服務(wù)器中承載著用戶訪問時產(chǎn)生的對應(yīng)的服務(wù)數(shù)據(jù)，其中包括了:日志文件、cookie文件、數(shù)據(jù)流。將這些數(shù)據(jù)進行初步收集，再針對這些數(shù)據(jù)進行深度分析挖掘。(2)數(shù)據(jù)選擇和預(yù)處理。通過數(shù)據(jù)收集將數(shù)據(jù)進行分類，根據(jù)所需的信息主題對收集的數(shù)據(jù)進行選擇，通過選擇相關(guān)的數(shù)據(jù)項縮小數(shù)據(jù)處理的范圍，挑選其中的有效數(shù)據(jù)進行數(shù)據(jù)預(yù)處理。數(shù)據(jù)預(yù)處理能夠提高挖掘效率，為之后的數(shù)據(jù)分析提供有效的數(shù)據(jù)。Web數(shù)據(jù)中大多數(shù)都是半結(jié)構(gòu)或非結(jié)構(gòu)化的，所以對web數(shù)據(jù)進行直接處理是不可行的。數(shù)據(jù)預(yù)處理能夠把半結(jié)構(gòu)或非結(jié)構(gòu)化的數(shù)據(jù)處理成標(biāo)準(zhǔn)的數(shù)據(jù)集方便后期處理。(3)模式發(fā)現(xiàn)。模式發(fā)現(xiàn)是運用各種方法，發(fā)現(xiàn)數(shù)據(jù)中隱藏的模式和規(guī)則。通過模式發(fā)現(xiàn)技術(shù)對預(yù)處理之后的數(shù)據(jù)進行處理得到相應(yīng)的事務(wù)數(shù)據(jù)庫，利用模式發(fā)現(xiàn)對數(shù)據(jù)進行初步挖掘，將預(yù)處理下的事務(wù)數(shù)據(jù)轉(zhuǎn)換成可被挖掘的存儲方式，通過數(shù)據(jù)挖掘模式算法對其中有效的、新奇的、有用的及最終可以理解的信息和知識進行挖掘與總結(jié)。(4)模式分析。模式分析主要是采用合適的技術(shù)和工具，對挖掘結(jié)果進行模式的分析，其目的是根據(jù)實際應(yīng)用，通過觀察和選擇，把發(fā)現(xiàn)的統(tǒng)計結(jié)果、規(guī)則和模型轉(zhuǎn)換為知識，經(jīng)過篩選后來指導(dǎo)實際的電子商務(wù)行為。

3電子商務(wù)中的數(shù)據(jù)挖掘技術(shù)

(1)路徑分析技術(shù)。路徑分析主要是對web訪問路徑進行搜索分析，對于頻繁訪問的路徑進行總結(jié)。利用Web服務(wù)器的日志文件進行數(shù)據(jù)分析，對訪客次數(shù)以及對應(yīng)路徑進行分析挖掘出頻繁訪問路徑。通過數(shù)據(jù)可以分析出大多數(shù)訪問者的共同喜好，從而能夠幫助電子商務(wù)改進web設(shè)計以及提供更好更符合客戶的服務(wù)。(2)關(guān)聯(lián)分析技術(shù)。關(guān)聯(lián)技術(shù)是通過對數(shù)據(jù)進行分析尋找出隱藏的數(shù)據(jù)聯(lián)系，關(guān)聯(lián)分析可是對單純的web數(shù)據(jù)與對應(yīng)的電子商務(wù)進行聯(lián)系。從而可以在web數(shù)據(jù)挖掘中得到該商務(wù)網(wǎng)站的關(guān)聯(lián)原則和信息。從而更好的使得客戶和網(wǎng)站數(shù)據(jù)有之間的相互聯(lián)系。(3)聚類分析技術(shù)。聚類分析是根據(jù)對象進行數(shù)據(jù)分析了之后，對數(shù)據(jù)的信息和客戶對象之間的關(guān)系進行總結(jié)。對數(shù)據(jù)對象進行分組成為多個類或簇，按照數(shù)據(jù)對象之間的相似度進行劃分。(4)分類分析技術(shù)。分類分析是通過對數(shù)據(jù)庫中樣本數(shù)據(jù)的分析，對每個類別做出準(zhǔn)確的描述或分析模型或挖掘分類規(guī)則。分類分析是電子商務(wù)中一個非常重要的任務(wù)，也是應(yīng)用最廣泛的技術(shù)。通過分類自動推導(dǎo)給定數(shù)據(jù)的廣義描述，以便對未來數(shù)據(jù)進行預(yù)測。

摘要：在我國信息化技術(shù)不斷發(fā)展的進程中，數(shù)據(jù)挖掘技術(shù)迅速發(fā)展起來，并得到了廣泛的應(yīng)用。在煙草行業(yè)質(zhì)量管理過程中，利用數(shù)據(jù)挖掘技術(shù)，為煙草企業(yè)重大決策提供依據(jù)。本文首先對數(shù)據(jù)挖掘技術(shù)進行簡要的分析，然后分析煙草行業(yè)質(zhì)量管理現(xiàn)狀，最后探討數(shù)據(jù)挖掘在煙草行業(yè)質(zhì)量管理工作中的有效應(yīng)用，共有關(guān)人員參考。

關(guān)鍵詞：煙草行業(yè)；質(zhì)量管理；數(shù)據(jù)挖掘

煙草行業(yè)在我國市場經(jīng)濟發(fā)展中迅速壯大起來，同時行業(yè)間的競爭也越來越激烈，如何在激烈的競爭中占據(jù)主動是廣大煙草企業(yè)領(lǐng)導(dǎo)者關(guān)心的問題。加強質(zhì)量管理，提高煙草產(chǎn)品質(zhì)量，在很大程度上能夠提升企業(yè)競爭力。采用數(shù)據(jù)挖掘技術(shù)，利用大數(shù)據(jù)對行業(yè)發(fā)展規(guī)律進行分析，對質(zhì)量管理過程進行有效地監(jiān)測，提高企業(yè)質(zhì)量管理的水平，促進煙草企業(yè)持續(xù)發(fā)展。

一、數(shù)據(jù)挖掘技術(shù)概述

所謂的數(shù)據(jù)挖掘技術(shù)，就是從大量模糊的數(shù)據(jù)中，將其隱含的具有價值的信息提煉出來，在一定程度上與數(shù)據(jù)庫、數(shù)據(jù)融合等概念具有相似性?；谕诰蛉蝿?wù)的視角出發(fā)，數(shù)據(jù)挖掘技術(shù)更加強調(diào)對相關(guān)數(shù)據(jù)的聚類以及關(guān)聯(lián)性分析，同時對大量數(shù)據(jù)進行整理、歸納，以便做出準(zhǔn)確的預(yù)測任務(wù)?，F(xiàn)階段，常用的數(shù)據(jù)挖掘技術(shù)包括遺傳算法、統(tǒng)計分析法、神經(jīng)網(wǎng)絡(luò)法、模糊算法等等。在具體的使用過程中，首先應(yīng)該根據(jù)業(yè)務(wù)的性質(zhì)進行重新定義，明確任務(wù)目標(biāo)，然后做好相關(guān)的準(zhǔn)備工作，確保數(shù)據(jù)的完整性；隨后進行數(shù)據(jù)挖掘以及數(shù)據(jù)分析，將收集的數(shù)據(jù)進行整理、分析，得到目標(biāo)數(shù)據(jù)信息；最后，在業(yè)務(wù)處理工作中對這些數(shù)據(jù)信息進行妥善的應(yīng)用。

二、煙草行業(yè)質(zhì)量管理現(xiàn)狀

1引言

對很多培養(yǎng)機構(gòu)而言，目前急需解決的問題主要有：如何根據(jù)不同成員需求設(shè)置合理的課程、如何通過教學(xué)方式提高成員學(xué)習(xí)積極性、如何提高成員培訓(xùn)效果、如何通過考核檢驗成員學(xué)習(xí)成果等，都是培養(yǎng)機構(gòu)發(fā)展過程中必須面對的問題。隨著我國信息化進程的加快，一些培養(yǎng)機構(gòu)也開始進行信息化建設(shè)，通過信息系統(tǒng)對培訓(xùn)相關(guān)事宜進行管理。但目前在針對培養(yǎng)機構(gòu)的信息系統(tǒng)中，所實現(xiàn)的功能和模塊是進行簡單的查詢、統(tǒng)計。在了解培訓(xùn)評估效果時，目前的信息系統(tǒng)中，學(xué)員通過系統(tǒng)對不同課程的教師進行打分，系統(tǒng)自對進行匯總、統(tǒng)計，得出教師評價。但這種匯總、統(tǒng)計是最簡單的，對教師評價也缺乏全面性和深度。

2數(shù)據(jù)挖掘在培訓(xùn)管理系統(tǒng)中的應(yīng)用

大數(shù)據(jù)時代下，數(shù)據(jù)信息呈現(xiàn)出海量特點。如何從海量、不完全的信息中尋找到真正有用的信息，是大數(shù)據(jù)時代中重要的問題。由此便利用到數(shù)據(jù)挖掘，顧名思義，數(shù)據(jù)挖掘就是從眾多數(shù)據(jù)信息中尋找到有用、有價值的信息。大數(shù)據(jù)時代下，教育行業(yè)中，信息量也是海量的，要想提高教學(xué)質(zhì)量就需要運用數(shù)據(jù)挖掘找尋到有用的教育信息，并運用到實際教學(xué)中。信息系統(tǒng)通過一段實際應(yīng)用后，里面存儲了大量數(shù)據(jù)，相應(yīng)的，學(xué)習(xí)管理系統(tǒng)也是如此，里面蘊含了大量數(shù)據(jù)信息。如在線課程等功能中藏有大量師生應(yīng)用過程中的數(shù)據(jù)資料。如圖1為數(shù)據(jù)挖掘在培訓(xùn)管理中的流程圖。

2.1初步探索

培訓(xùn)管理系統(tǒng)中一般具有數(shù)據(jù)統(tǒng)計功能，將相關(guān)事宜進行統(tǒng)計。如網(wǎng)絡(luò)課程開展過程中，數(shù)據(jù)挖掘在培訓(xùn)管理系統(tǒng)中的應(yīng)用文/張宏亮在大數(shù)據(jù)時代，如何使用現(xiàn)有的數(shù)據(jù)對學(xué)員進行培訓(xùn)管理，從而提高培訓(xùn)效率是當(dāng)前培訓(xùn)管理中所面臨的問題。本文分析了數(shù)據(jù)挖掘在培訓(xùn)管理中的應(yīng)用主要表現(xiàn)在初步探索、數(shù)據(jù)預(yù)處理以及數(shù)據(jù)挖掘過程。其中數(shù)據(jù)預(yù)處理和數(shù)據(jù)挖掘是培訓(xùn)系統(tǒng)的核心功能。

摘要：隨著科學(xué)技術(shù)的不斷發(fā)展，數(shù)據(jù)挖掘技術(shù)也應(yīng)運而生。為了高效有序的醫(yī)療信息管理，需要加強數(shù)據(jù)挖掘技術(shù)在醫(yī)療信息管理中的實際應(yīng)用，從而提升醫(yī)院的管理水平，為醫(yī)院的管理工作及資源的合理配置提供多樣化發(fā)展的可能性。筆者將針對數(shù)據(jù)挖掘技術(shù)在醫(yī)療信息管理中的應(yīng)用這一課題進行相應(yīng)的探究，從而提出合理的改進建議。

關(guān)鍵詞：挖掘技術(shù)；醫(yī)療信息管理；應(yīng)用方式

數(shù)據(jù)挖掘作為一種數(shù)據(jù)信息再利用的有效技術(shù)，能夠有效地為醫(yī)院的管理決策提供重要信息。它以數(shù)據(jù)庫、人工智能以及數(shù)理統(tǒng)計為主要技術(shù)支柱進行技術(shù)管理與決策。而在醫(yī)療信息管理過程之中應(yīng)用數(shù)據(jù)挖掘技術(shù)能夠較好地針對醫(yī)療衛(wèi)生信息進行整理與歸類來建立管理模型，形成有效的總結(jié)數(shù)據(jù)的同時能夠為醫(yī)療工作的高效進行提供有價值的信息。所以筆者將以數(shù)據(jù)挖掘技術(shù)在醫(yī)療信息管理中的應(yīng)用為著手點，從而針對其應(yīng)用現(xiàn)狀進行探究，以此提出加強數(shù)據(jù)挖掘技術(shù)在醫(yī)療信息管理中應(yīng)用的具體措施，希望能夠在理論層面上推動醫(yī)療信息管理工作的飛躍。

1在醫(yī)療信息管理中應(yīng)用數(shù)據(jù)挖掘技術(shù)的基本內(nèi)涵

數(shù)據(jù)挖掘是結(jié)合信息收集技術(shù)、人工智能處理技術(shù)以及分析檢測技術(shù)等所形成的功能強大的技術(shù)。它能夠?qū)崿F(xiàn)對于數(shù)據(jù)的收集、問題的定義與處理，并且能夠較好地對于結(jié)果進行解釋與評估。在醫(yī)療信息管理工作進行的過程之中，應(yīng)用數(shù)據(jù)挖掘技術(shù)可以較好地加強醫(yī)療信息數(shù)據(jù)模型的建立，同時以多種形式出現(xiàn)，例如文字信息、基本信號信息、圖像收集等，也能夠用來進行醫(yī)療信息的科普與宣傳。并且，數(shù)據(jù)挖掘技術(shù)在醫(yī)療信息中所體現(xiàn)出的應(yīng)用方式有所不同，在數(shù)據(jù)挖掘技術(shù)應(yīng)用過程之中，既可以針對同一類的實物反應(yīng)出共同性質(zhì)的基本特征，同時也能夠根據(jù)具有一定關(guān)聯(lián)性的事物信息來探究差異。這些功能不僅僅能夠在醫(yī)療信息的管理層面上給予醫(yī)療人員較大的信息管理指導(dǎo)，同時在實際的醫(yī)療診斷過程之中，也可以向醫(yī)生提供患者的患病信息，并且輔助治療的進行[1]。所以，在醫(yī)療信息管理中應(yīng)用數(shù)據(jù)挖掘技術(shù)不僅僅能夠推動醫(yī)療信息管理水平的提升，也是醫(yī)院實現(xiàn)現(xiàn)代化、信息化建設(shè)的重要體現(xiàn)，需要從根本上明確醫(yī)療信息管理應(yīng)用數(shù)據(jù)挖掘技術(shù)的必要性與基本內(nèi)涵，從而針對醫(yī)院的管理現(xiàn)狀實現(xiàn)其管理方式與技術(shù)應(yīng)用的轉(zhuǎn)變與優(yōu)化。

2在醫(yī)療信息管理過程之中加強數(shù)據(jù)挖掘技術(shù)應(yīng)用的重要措施

1知如何能夠投其所好，為用戶實現(xiàn)主動推薦，提供個性化服務(wù)；這些都是電子商務(wù)成敗的關(guān)鍵問題。在這種新型的商務(wù)模式下，如何對網(wǎng)絡(luò)上大量的信息進行有效組織利用，幫助海量數(shù)據(jù)的擁有者們找出真正有價值的信息和知識，以指導(dǎo)他們的商業(yè)決策行為，成為電子商務(wù)經(jīng)營者關(guān)注的問題。迅速發(fā)展的基于Web的數(shù)據(jù)挖掘技術(shù)，為解決電子商務(wù)所面臨的問題提供了有效途徑。

2Web數(shù)據(jù)挖掘

2.1Web數(shù)據(jù)挖掘概述

數(shù)據(jù)挖掘（DataMining）是從大量的、不完全的、有噪聲的、模糊的和隨機的數(shù)據(jù)中提取人們事先不知道的、潛在有用的信息和知識的非平凡過程。

Web數(shù)據(jù)挖掘（WebMining）是從Web文檔和Web活動中抽取感興趣的、潛在的有用模式和隱藏的信息，是數(shù)據(jù)庫、數(shù)據(jù)挖掘、人工智能、信息檢索、自然語言理解等技術(shù)的綜合應(yīng)用，是在一定基礎(chǔ)上應(yīng)用數(shù)據(jù)挖掘的方法以發(fā)現(xiàn)有用的知識來幫助人們從WWW中提取知識。Web數(shù)據(jù)挖掘可以分為Web內(nèi)容挖掘（WebContentMining）、Web結(jié)構(gòu)挖掘（WebStructureMining）、Web使用記錄挖掘（WebUsageMining）三類。Web內(nèi)容挖掘是指從文檔內(nèi)容或其描述中抽取知識的過程，又可以分為基于文本的挖掘和基于多媒體的挖掘兩種。Web文本挖掘可以對Web上大量文檔集合的內(nèi)容進行總結(jié)、分類、聚類、關(guān)聯(lián)分析等。Web結(jié)構(gòu)挖掘是指從Web組織結(jié)構(gòu)和鏈接關(guān)系中推導(dǎo)知識。通過對Web結(jié)構(gòu)的挖掘，可以用來指導(dǎo)對頁面進行分類和聚類，找到權(quán)威頁面，從而提高檢索的性能，同時還可以用來指導(dǎo)網(wǎng)頁采集工作，提高采集效率。Web使用記錄挖掘是指從服務(wù)器端記錄的客戶訪問日志或從客戶的瀏覽信息中抽取感興趣的模式。

基于Web的數(shù)據(jù)挖掘技術(shù)的出現(xiàn)不僅為商家做出正確的商業(yè)決策提供了強有力的工具，也為商家更加深入地了解客戶需求信息和購物行為的特征提供了可能性。

摘要：21世紀(jì)以來隨著互聯(lián)網(wǎng)的迅猛發(fā)展，我們進入了一個信息大爆炸的時代。信息經(jīng)過記錄與存儲成了海量的數(shù)據(jù)，如何在這海量的數(shù)據(jù)中有效地挖掘出有價值的知識成了數(shù)據(jù)挖掘的主要解決的問題。不同的數(shù)據(jù)預(yù)處理技術(shù)影響著數(shù)據(jù)挖掘的質(zhì)量，我們將分析幾種常用的數(shù)據(jù)預(yù)處理技術(shù)對于數(shù)據(jù)挖掘的影響程度。

關(guān)鍵詞：數(shù)據(jù)預(yù)處理；數(shù)據(jù)挖掘；數(shù)據(jù)挖掘質(zhì)量

數(shù)據(jù)挖掘作為近幾年十分熱門的學(xué)科，隨著人工智能和數(shù)據(jù)庫的發(fā)展而崛起的一種數(shù)據(jù)技術(shù)，普遍應(yīng)用于金融、軍事、農(nóng)業(yè)、航空航天、科學(xué)探討以及其他范疇。它的出現(xiàn)可以說讓人們對于數(shù)據(jù)價值的利用率提高到了新的高度，許多未解之謎或許可以因此得以破解。常見的數(shù)據(jù)挖掘核心步驟包括數(shù)據(jù)準(zhǔn)備階段、數(shù)據(jù)挖掘階段和結(jié)果分析階段。數(shù)據(jù)準(zhǔn)備階段占據(jù)了大約60%的工作量，它將多種不同的數(shù)據(jù)集合到一塊，消除噪聲點數(shù)據(jù)、不一致數(shù)據(jù)和不清楚完整的數(shù)據(jù)，并從中提取出對我們有用的數(shù)據(jù)，并通過一定的規(guī)則變換，組成我們所需要的數(shù)據(jù)倉庫。我們的研究重點就是這個數(shù)據(jù)準(zhǔn)備階段。

一、數(shù)據(jù)挖掘相關(guān)概念

（一）數(shù)據(jù)挖掘。數(shù)據(jù)挖掘是經(jīng)過了分析大量的有關(guān)數(shù)據(jù)來揭示有意義的新的相關(guān)聯(lián)系、趨向和形式的過程。它融匯了人工智能、數(shù)據(jù)庫技術(shù)、模式識別、機器學(xué)習(xí)、統(tǒng)計學(xué)和數(shù)據(jù)可視化等多個范疇的理論和技巧。該技術(shù)的涌現(xiàn)的崛起是現(xiàn)代信息技術(shù)發(fā)展到必然階段的產(chǎn)物，它能夠飛快探求數(shù)據(jù)之間的潛伏相關(guān)聯(lián)系和規(guī)則。所起到作用類似于科學(xué)家們經(jīng)過不斷的科學(xué)分析所發(fā)現(xiàn)的科學(xué)規(guī)律。（二）數(shù)據(jù)預(yù)處理。數(shù)據(jù)預(yù)處理是為了處理原始數(shù)據(jù)中所存在的“臟數(shù)據(jù)”現(xiàn)象，是數(shù)據(jù)挖掘中重要的一環(huán)。數(shù)據(jù)預(yù)處理的效果好，則可以提高數(shù)據(jù)挖掘的效率，從而提高挖掘的質(zhì)量。數(shù)據(jù)預(yù)處理是數(shù)據(jù)挖掘前的一個非常重要的數(shù)據(jù)準(zhǔn)備工作,是知識挖掘過程的關(guān)鍵所在，它保證挖掘數(shù)據(jù)的正確性和有效性,通過對數(shù)據(jù)格式和實質(zhì)的調(diào)整,使數(shù)據(jù)更符合挖掘的需求。為什么原始數(shù)據(jù)中會存在有“臟數(shù)據(jù)”呢？重要的原因有以下三點，一是數(shù)據(jù)采集時和數(shù)據(jù)分析時，咱們所思考的要素和成分不一致，搜集到了缺失值，即缺乏完整性；二是數(shù)據(jù)傳輸過程中會出現(xiàn)操作失誤產(chǎn)生了某些噪聲值，即缺乏準(zhǔn)確性；三是數(shù)據(jù)在收集過程不限來源導(dǎo)致了不一致性的值，比如序號“1”、“2”、“3”和序號“A”、“B”、“C”其實所代表的含義是一致但表達不一致，即缺乏一致性。常見的缺失值填充算法包括EM最大期望值算法、MI算法和KNNI算法等。數(shù)據(jù)預(yù)處理技術(shù)的重點功能有數(shù)據(jù)清理、數(shù)據(jù)集成、數(shù)據(jù)變換和數(shù)據(jù)簡化。而預(yù)處理方法可以大致分為，基于粗糙集（RS）理論的約簡方法、基于概念層次樹的數(shù)據(jù)濃縮方法思想和普化知識發(fā)現(xiàn)和基于統(tǒng)計分析的屬性選擇方法。本文主要測試了基于粗糙集（RS）的理論的簡約方法和基于概念層次樹的數(shù)據(jù)濃縮方法。

二、數(shù)據(jù)預(yù)處理實現(xiàn)方法