挖掘技术论文范文篇1

关键词：中医学术流派数据挖掘银屑病

自古以来，中医学术流派林立，既互相争鸣，又互相渗透、取长补短。它们的发展和研究促使中医药基础理论逐渐得到了拓展和深化，促使中医药临床实践技术逐渐得到了进步和提升。可以说，中医学术流派的发展和研究促进了中医药事业的发展［1］。

中医学术流派研究的前提是要对其进行科学划分并确定研究内容。随着科学技术进步和中医学术研究的日益广泛深入，中医学术流派的划分方法不断进步、完善。徐江雁等［2］提出的核心分类模式既涵纳纵向的学术思想传承,又兼容横向的学术思想渗透，有一定的先进性，值得借鉴。我们在“中医皮肤科赵炳南学术流派及其传承研究”的课题中，从以下两方面划分学派和确定研究内容：其一，以创新的学术思想为核心：通过对中医皮肤科赵炳南学术流派学术渊源、基础理论、特色经验、技术方法等的系统研究，确立中医皮肤科赵炳南学术流派学术思想体系；其二，以开放的医家群及其著述为核质：不论是赵炳南门户师承所得,还是博采众家之说,也不论是公开发表的论文、论著、会议交流的文字材料,科研成果、发明、专利,还是口述史料,只要是中医皮肤科赵炳南学术流派有关方面的内容，皆囊括在其核质之中。

针对上述研究内容，按照以往的研究方法，可以以人、以疾病、以方药或以思维方法为线索进行文献整理、分析和总结，或者以临床流行病学的方法进行临床观察和总结［3～7］。这些方法在一定程度上能总结规律，指导临床实践，但存在以下不足之处：①对学术思想和诊疗经验缺乏系统地有机关联研究和比较研究；②难以反映疾病诊疗过程中中医辨证的多维时空和非线性特征；③缺乏符合中医特点的多因素信息处理技术，可能致使研究结果产生混乱和差错；④难以真正反映中医学术流派的内涵和精髓。鉴于以往研究存在的问题，我们引进了数据挖掘技术进行中医学术流派研究。

1数据挖掘及其在中医药领域的应用

1.1数据挖掘概述数据挖掘（DM：DataMining）就是从大量的、不完全的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的，但又是潜在有用的信息和知识的过程［8］。它是一门交叉学科，汇聚了数据库、人工智能、统计学、可视化，并行计算等不同学科和领域。其中的人工智能能模仿人类对非线性、不完全、不精确和不确定信息的智能处理，具有良好的容错性、鲁棒性和高精度等综合技术优势［9，10］。人工智能方法主要包括人工神经网络、模糊系统、进化计算、粗糙集理论、支持向量机（SVM）等。针对不同的挖掘目标，往往要将几种方法综合起来应用，以发挥各自的技术优势。此外，将人工智能和其他数据挖掘方法如聚类分析、决策树、关联规则等优化组合应用，更能发挥数据挖掘技术解决复杂问题的能力。

1.2数据挖掘在中医药领域的应用数据挖掘技术能针对医学数据多态性、不完整性、时间性和冗余性的特征实施合理的数据处理和知识提取［11］。它应用于中医药领域主要表现在以下几方面［12～16］：

1.2.1新药开发研究以一种新的、建立在充分利用几千年积累下来的丰富经验及现代科学技术所提供的信息基础上的模式进行研究。

1.2.2复方配伍规律和方证相应研究数据挖掘技术可以在一定程度上发现和认识临床病症与复立组方关系、复方药物的配伍关系、药味之间的相互作用关系等。

1.2.3中医药信息化研究对以古语言和纯文本为主的中医药理论和实践进行结构化解析是中医药信息化研究的重要内容,其中的某些内容可以通过对文本的数据挖掘来实现。

1.2.4中医药专家系统研究对中医药专家“只可意会,不可言传”的把握诊治疾病规律的定性描述、模糊概念，采用数据挖掘技术进行多层面智能分析,在一定程度上可将它们以可理解的规则或模式表达出来,从而大大丰富专家系统的知识库。

1.2.5中医药文献研究数据挖掘技术应用于文献研究可以提高文献研究的水平，提高文献利用的效率，进而能提高中医药科研工作的效率。

2数据挖掘在中医学术流派研究中的应用

以“中医皮肤科赵炳南学术流派及其传承研究”中的银屑病数据挖掘为例，简要说明挖掘的步骤和挖掘的工具及算法。

2.1实施数据挖掘的步骤

根据全球首个数据挖掘行业通用的模型标准（CRISP-DM），银屑病数据挖掘过程可分成6个阶段。

2.1.1理解问题明确和细化研究目标。

2.1.2理解数据熟悉所采集的有关银屑病数据的类型和存在形式，在此基础上初步进行数据质量鉴定，并建立数据库。

2.1.3准备数据有关银屑病的数据中存在着大量不完整的、冗余的和不一致的数据。在进行数据挖掘时，首先要对其进行处理。处理过程包括数据抽取、清洗、转换和加载。

2.1.4建立模型针对研究目标，利用已知的数据和知识建立分析模型，并将该模型有效地应用到未知的数据或相似情况中测试并修正模型，如此反复进行以得到最优模型。

2.1.5方案评估在模型最后付诸实施以前，彻底地对模型进行评估，再回顾构造该模型的步骤，以确定该模型真正能够达到预定的挖掘目标。

2.1.6方案实施基于以上5方面的工作，采用相应的数据挖掘工具和算法进行多次反复、多次调整、不断修订完善的数据挖掘。

2.2数据挖掘的工具和算法

挖掘技术论文范文

关键词电子商务；数据挖掘；Web挖掘

中图分类号TP392文献标识码A文章编号1674-6708（2012）71-0193-01

1国内外研究现状

数据挖掘的要领是从大量的、不完全的、有噪声的、不清晰的、随机化的现实使用数据中，提取隐藏在其中的、人们事前不能预知的、但已经潜在的和可以使用的模式过程。互联网技术在现代信息社会的大环境下，得到了长足的应用和发展。利用互联网技术使得现代网络教育可以充分利用长期以来传统面授教育积累下来的大量优秀教育资源。网络中包含了丰富的动态超链接信息，以及页面的访问和使用信息。随着WWW的发展，Web数据挖掘在数据挖掘领域中的作用越来越重要。通过挖掘Web使用记录发现潜在的、有价值的信息，如用户访问了哪些页面，点击了哪些链接、哪些页面的点击频率最高等等，通过对Web日志进行挖掘，可以跟踪发现用户的访问习惯，以此来改进网页的设计结构，以实现智能化、个性化的用户界面。目前，数据挖掘的研究重点逐渐从发现方法的研究转向实际的系统应用，国际上有影响的典型数据挖掘系统有SAS公司的EnterpriseMiner，IBM公司的IntelligentMiner，SGI公司的SetMiner等。

2数据挖掘

数据挖掘利用了如下一些领域的思想内容：1）建模识别、机器语言学习、人工智能的探索算法、理论学习和建模技术；2）利用统计学中的估算、假设检查和抽样。数据挖掘容纳了一些思想信息在其他领域中，这类领域中包含最先进的可视化信息检索、进化计算论、电子信号处理、信息技术理论。

随着数据仓库技术的迅速发展以及数据库管理系统的广泛应用，人们在积累了大量的数据信息后，急切地感觉到需要一种新的技术工具从大量数据信息中智能的、自动的抽取出有价值的符合用户需要的知识或信息，数据库知识的发现应运而生。数据挖掘就是对于在一些实际或察看信息的集合中查找模式的政策支持过程，人工智能、机器语言的学习、数据库理论、统计分析学神经系统网络、知识库技术系统、高性能计算应用、数据可视化教学信息查找、模式发现等学科的研究是数据挖掘涉及到的方面，数据挖掘是一个多学科多方面的交叉内容。

3Web数据挖掘

我们把数据在网络上的挖掘应用叫做Web挖掘，在网络数据使用过程中，利用数据挖掘技术以及与万维网有关的数据信息库中的资源、网络用户的操作行为，在用户操作过程中获取有关部门感举的信息，搜寻可利用的挖掘模式和潜在的数据信息，相关内容涉及多个领域，例如：计算机网络技术、数据挖掘技术、计算机科学技术、机器语言学等，是一项现代信息科学的综合产物。对网页中的页面信息，以及页面后台数据库中的操作数据进行统计收集，从网页文件内容里以及内容中所描述的信息数据里抽取有价值的、潜在的、有用的信息的过程，叫做Web内容挖掘。

4面向电子商务的数据挖掘

电子商务是在全球各地广泛的商业贸易交易中，在互联网开放的网络环境里，基于服务器、浏览器使用方式，买卖双方不见面地情况下进行各种贸易活动，让消费者完成网上购物、商铺之间的网络交易和在线支付以及各种商务贸易及相关的综合的一种商业运营模式，是当代社会最新型的运营模式。

电子商务是使用计算机技术、网络技术和远程通信技术，实现整个贸易过程的电子信息化和数据化；是使用互联网作为手段，使买卖双方不见面地情况下可进行各种商务贸易活动。

5结论

随着信息系统的广泛使用，如何充分利用数据，发掘有用的知识，是广大拥有大量数据的组织非常关心的问题，在此前景下，需要从数据中找出有用的知识。介于以上情况，人们需要使用一个新的技术工具将数据转换为自己所需要发知识内容，这便产生了数据挖掘技术。

数据挖掘技术在电子商务中的应用前景广阔，随着数据挖掘技术与数据库技术的不断发展，对Web挖掘中存在的各种复杂的非结构化数据会有更完善的解决方法。随着社会的不断发展，电子商务必将加快中国经济发展的步伐，电信行业的迅速发展，网络迅猛普及更为中国的网络电子商务打下了坚实的基础。数据挖掘技术在电子商务中的应用前景广阔，随着数据挖掘技术与数据库技术的不断发展，对Web挖掘中存在的各种复杂的非结构化数据会有更完善的解决方法。

随着社会的不断发展，电子商务必将加快中国经济发展的步伐，电信行业的迅速发展，网络迅猛普及更为中国的网络电子商务打下了坚实的基础。很多城市都在兴建自己的数码港我国上网人数也在快速上升，许多小区都有了互联网，宽带的进入，相信会有更多的人采取这种方式来发展自己的营销计划。因而可以说，电子商务网站在中国将会有巨大的发展前景。

参考文献

[1]朱明．数据挖掘[M].中国科学技术大学出版社，2002：75.

挖掘技术论文范文

【关键词】计算机数据挖掘技术开发

引言：计算机数据挖掘技术是基于计算机原有的功能基础之上，融入了一些统计学理论，使人们可以利用数据挖掘技术在众多的计算机系统内部的信息中抓取自己需要的信息和数据。计算机数据挖掘技术的出现极大的促进了社会整体的进步，引领了社会各个领域内的数据量潮流，人们要想在无限的数据中采集有用信息，就必须深入计算机数据挖掘技术的开发研究。

一、计算机数据挖掘技术开发流程

1.1明确数据挖掘目的

由于数据挖掘技术的功能是多种多样的，所以在开发具体的计算机数据挖掘技术过程中需要根据自身需要明确数据挖掘目的，进而选择对应数据库。因为在开发过程中，不同的数据挖掘目标需要依靠不同的挖掘技术数据算法，如果目的不明很容易造成最终开发结果的偏差[1]。

1.2数据选择和预处理

明确数据挖掘目标、数据库后还要对所持有的数据进行选择和预处理，数据选择是要将数据中的部分信息纳入数据挖掘研究范围内，预处理是将这些数据中的错误信息进行删除和修正，确保列下有用信息。

1.3数据挖掘

数据挖掘过程中要有两个步骤，其一是根据挖掘目标确定接下来要利用的开发技术和采用的算法，其二是在确定了挖掘技术和数据算法后构建出数学模型，以此来推动挖掘技术的开发。

1.4评估结果

评估结果的最大作用就是对开发出的数据挖掘结果进行科学评估，对数据挖掘技术的开发成果进行检测和验证。如果数据挖掘结果不能够达到数据挖掘开发目的要求，就要及时进行修正，如果数据开发结果符合数据开发目的要求，那么就可以将其投入到实践应用之中[2]。

二、计算机数据挖掘技术开发

1、可视化技术开发。要想得到有效的信息，就需要从计算机系统中获得的信息入手，但是当前的网络信息中存在不少的隐性信息，这些信息的获得就要依靠计算机数据挖掘技术。采用计算机挖掘技术可以有效的抓取隐性信息的某些特征，当利用散点图的方式将这些隐性信息表现出来。所以可视化技术是计算机数据挖掘技术开发项目中的一个重点。

2、联机分析处理。网络是复杂的，其中的网络信息和数据更是十分的庞杂，要想快速、准确的抓取到自己想要的信息，需要依靠联机分析出不同地域和时段的多维数据，联机分析处理方式需要依靠用户的配合。在处理多维数据时，需要所有计算机用户自行的使用或者筛选出分析算法，利用这些分析算法对数据做处理，这样对探索数据也有巨大的推动作用。

3、决策树。计算机数据挖掘技术的开发中需要对决策树进行规则化建立，决策树是一项重要的开发项目，因为决策树的作用是发挥预测和分类的功能，对所处理的数据信息进行具体的预测和分类。目前开发的决策树算法已经有很多种，主要有SLIQ、SPRINT、ID3、C4.5等，SLIQ算法具备连续性属性，还可以对数据做出具体的分类，SPRINT算法与SLIQ算法有同样的功能属性，并且这两种算法可以通过大型训练集对决策时做出归纳[3]。

4、计算机神经网络。计算机数据挖掘技术在开发之中借助了医学神经系统的研究结果，将人体神经元研究脉络通过技术处理形成了计算机网络神经的研究，并且经过一系列的深入探索，目前已经取得了重大的成果。计算机中研发出的神经网络是安全输入、输出和处理单元三种类型进行规划的，这三个层面代表了计算机神经网络系统，当前的开发结果中显示，可以利用计算机神经网络技术实现数据的调整、计算和整理。

5、遗传算法。计算机数据挖掘技术的开发中借鉴了许多其他学科领域中的研究方向和理论，在自然学科中，生物基因可以通过遗传中的不同变化促进后代的自我优化，利用这种思想理论，在计算机数据挖掘技术的开发中也可以通过对不同模型进行组合、演变来创新开发出新的数据算法。

结束语：计算机数据挖掘技术属于当前社会中最重要的分析工具之一，数据挖掘技术已经被各个领域广泛的应用，并且其功能得到验证，极大的促进了社会行业的快速发展。随着科技水平的日益提升，相信计算机数据挖掘技术将会得到更多方面的创新研究和开发，给社会带来更大的促进作用。

参考文献

[1]夏天维.计算机数据挖掘技术的开发及其应用探究[A].《Q策与信息》杂志社、北京大学经济管理学院.“决策论坛――管理科学与工程研究学术研讨会”论文集（下）[C].《决策与信息》杂志社、北京大学经济管理学院：，2016：1.