文档介绍：数据挖掘技术在网络教学中应用探析
陆云龙摘要:通过对数据挖掘技术的概念、挖掘过程和方法等知识的简单介绍,就如何在成绩分析系统和图书馆中应用数据挖掘,从中得到促进教学的所需信息等内容进行了探讨,并提出了数据挖掘技术在各部分的具体数据挖掘技术在网络教学中应用探析
陆云龙摘要:通过对数据挖掘技术的概念、挖掘过程和方法等知识的简单介绍,就如何在成绩分析系统和图书馆中应用数据挖掘,从中得到促进教学的所需信息等内容进行了探讨,并提出了数据挖掘技术在各部分的具体作法。
关键词:数据挖掘;数据库;图书馆
中图分类号:G4
文献标识码:A
文章编号:1672-3198(2010)16-0272-01

0 引言
数据挖掘(DM,Data Mining)技术是人们长期对数据库技术进行研究和开发的结果。经过十几年的研究和发展,数据挖掘技术进入了一个更高级的阶段,尤其是,随着对网络信息挖掘算法的研究和智能化搜索引擎的出现,使数据挖掘技术进入了一个全新的阶段。
1 数据挖掘技术概述
数据挖掘,又称为数据采掘、数据开采,相近的术语有KDD(数据库知识发现)、数据分析、数据融合、决策支持等。目前,国外在数据挖掘方面的发展趋势及研究主要有:对知识发现方法的研究进一步发展。国内从事数据挖掘研究的人员主要在大学、研究所或公司。但是,国内关于数据挖掘的产品还很少。
2 数据挖掘技术的目的与发展趋势
数据挖掘技术的目的
数据挖掘并不专用于特定领域,它需要凝结各种技术和创造力去探索可能隐藏在数据中的知识。在很多情况下,应用数据挖掘技术是为了实现以下三种目的。
(1)发现知识。知识发现的目标是从数据库存储的数据中发现隐藏的关系、模式和关联。
(2)使数据可视化。分析人员需搞清楚数据库中存储的大量信息的含意。(3)纠正数据。在结合大规模的数据库时,数据库的数据常常是不完整的,而且通常包含错误和自相矛盾的信息。
数据挖掘技术的发展趋势
当前,数据挖掘技术的研究正方兴未艾,预计在21世纪还会形成更大的高潮,研究焦点可能会集中到以下几个方面:研究专门用于知识发现的数据挖掘语言,也许会像SQL语言一样走向形式化和标准化;寻求数据挖掘过程中的可视化方法;使得知识发现的过程能够被用户理解,也便于在知识发现过程中的人机交互;研究在网络环境下的数据挖掘技术,但是,无论怎样,需求牵引,市场驱动是永恒的,数据挖掘将首先满足信息时代用户的急需,大量基于数据挖掘的决策支持软件工具产品将会问世。
3 数据挖掘的过程、分类及其典型方法
数据挖掘大致分为四个步骤:
(1)资源发现;(2)信息选择和预处理;(3)概括化;(4)分析,根据数据挖掘的应用类型不同,大致可分为以下几类。
①分类模型;②关联模型;③顺序模型;④聚簇模型。
针对上述应用类型,数据挖掘领域提出了多种实现方式与算法。这里仅讨论几种常见的典型的实现方法。
①神经网络:②决策树:③联机分析处理(OLAP):④遗传算法:⑤近邻算法;⑥规则推导;⑦数据可视化。
目前,数据挖掘技术正处在发展当中。数据挖掘涉及到数理统计、模糊理论、神经网络和人工