挖掘技術(shù)論文匯總十篇

時(shí)間：2022-08-17 09:21:07

序論：好文章的創(chuàng)作是一個(gè)不斷探索和完善的過程，我們?yōu)槟扑]十篇挖掘技術(shù)論文范例，希望它們能助您一臂之力，提升您的閱讀品質(zhì)，帶來更深刻的閱讀感受。

挖掘技術(shù)論文

篇（1）

隨著科技的進(jìn)步，現(xiàn)代挖掘機(jī)一般都采用了機(jī)電液一體化控制模式，我們?cè)谂懦恍┕收蠒r(shí)，解決的多是發(fā)動(dòng)機(jī)、液壓泵、分配閥、外部負(fù)荷的匹配問題。一般在挖掘機(jī)作業(yè)中，這幾方面不能匹配，經(jīng)常會(huì)表現(xiàn)為：發(fā)動(dòng)機(jī)轉(zhuǎn)速下降，工作速度變慢，挖掘無力以及一些常見問題。

一、發(fā)動(dòng)機(jī)轉(zhuǎn)速下降

首先要測(cè)試發(fā)動(dòng)機(jī)本身輸出功率，如果發(fā)動(dòng)機(jī)輸出功率低于額定功率，則產(chǎn)生故障的原因可能是燃油品質(zhì)差、燃油壓力低、氣門間隙不對(duì)、發(fā)動(dòng)機(jī)的某缸不工作、噴油定時(shí)有錯(cuò)、燃油量的調(diào)定值不對(duì)、進(jìn)氣系統(tǒng)漏氣、制動(dòng)器及其操縱桿有毛病和渦輪增壓器積炭。如果發(fā)動(dòng)機(jī)輸出動(dòng)力正常，就需要查看是否因?yàn)橐簤罕玫牧髁亢桶l(fā)動(dòng)機(jī)的輸出功率不匹配。

液壓挖掘機(jī)在作業(yè)中速度與負(fù)載是成反比的，就是流量和泵的輸出壓力乘積是一個(gè)不變量，泵的輸出功率恒定或近似恒定。如果泵控制系統(tǒng)出現(xiàn)了故障，就不能實(shí)現(xiàn)發(fā)動(dòng)機(jī)、泵及閥在不同工況區(qū)域負(fù)荷優(yōu)化匹配狀態(tài)，挖掘機(jī)從而將不能正常工作。此類故障要先從電器系統(tǒng)入手，再檢查液壓系統(tǒng)，最后檢查機(jī)械傳動(dòng)系統(tǒng)。

二、工作速度變慢

挖掘機(jī)工作速度變慢主要原因是整機(jī)各部磨損造成發(fā)動(dòng)機(jī)功率下降與液壓系統(tǒng)內(nèi)泄。挖掘機(jī)的液壓泵為柱塞變量泵，工作一定時(shí)間后，泵內(nèi)部液壓元件（缸體、柱塞、配流盤、九孔板、龜背等）不可避免的產(chǎn)生過度磨損，會(huì)造成內(nèi)漏，各參數(shù)據(jù)不協(xié)調(diào)，從而導(dǎo)致流量不足油溫過高，工作速度緩慢。這時(shí)就需要整機(jī)大修，對(duì)磨損超限的零部件進(jìn)行修復(fù)更換。

但若不是工作時(shí)間很長(zhǎng)的挖掘機(jī)突然變慢，就需要檢查以下幾方面。先查電路保險(xiǎn)絲是否斷路或短路，再查先導(dǎo)壓力是否正常，再看看伺服控制閥-伺服活塞是否卡死以及分配器合流是否故障等，最后將液壓泵拆卸進(jìn)行數(shù)據(jù)測(cè)量，確認(rèn)挖機(jī)問題所在。

三、挖掘機(jī)無力

挖掘無力是挖掘機(jī)典型故障之一。對(duì)于挖掘無力可分為兩種情況：一種為挖掘無力，發(fā)動(dòng)機(jī)不憋車，感覺負(fù)荷很輕；第二種為挖掘無力，當(dāng)動(dòng)臂或斗桿伸到底時(shí)，發(fā)動(dòng)機(jī)嚴(yán)重憋車，甚至熄火。

①挖掘無力但發(fā)動(dòng)機(jī)不憋車。挖掘力的大小由主泵輸出壓力決定，發(fā)動(dòng)機(jī)是否憋車取決于油泵吸收轉(zhuǎn)矩與發(fā)動(dòng)機(jī)輸出轉(zhuǎn)矩間的關(guān)系。發(fā)動(dòng)機(jī)不憋車說明油泵吸收轉(zhuǎn)矩較小，發(fā)動(dòng)機(jī)負(fù)荷輕。如果挖掘機(jī)的工作速度沒有明顯異常，則應(yīng)重點(diǎn)檢查主泵的最大輸出壓力即系統(tǒng)溢流壓力。如果溢流壓力測(cè)量值低于規(guī)定值，表明該機(jī)構(gòu)液壓回路的過載溢流閥設(shè)定值不正確，導(dǎo)致該機(jī)構(gòu)過早溢流，工作無力。則可以通過轉(zhuǎn)動(dòng)調(diào)整螺絲來調(diào)整機(jī)器。②挖掘無力，發(fā)動(dòng)機(jī)憋車。發(fā)動(dòng)機(jī)憋車表明油泵的吸收轉(zhuǎn)矩大于發(fā)動(dòng)機(jī)輸出轉(zhuǎn)矩，致使發(fā)動(dòng)機(jī)超載。這種故障應(yīng)首先檢查發(fā)動(dòng)機(jī)速度傳感系統(tǒng)是否正常，檢查方法與前文所述發(fā)動(dòng)機(jī)檢查方法類似。經(jīng)過以上細(xì)致的檢查與排除故障，發(fā)動(dòng)機(jī)速度傳感系統(tǒng)恢復(fù)正常功能，發(fā)動(dòng)機(jī)憋車現(xiàn)象消失，挖掘力就會(huì)恢復(fù)正常。

四、挖掘作業(yè)過程中的常見故障

挖掘機(jī)在施工作業(yè)中經(jīng)常出現(xiàn)的一些普遍的故障，如：挖機(jī)行走跑偏，原因可能為行走分配油封（又稱中心回轉(zhuǎn)接頭油封）損壞；兩個(gè)液壓泵流量大小不一；一邊行走馬達(dá)有問題。液壓缸快速下泄則可能為安全溢流閥封閉不嚴(yán)，或缸油封嚴(yán)重?fù)p壞等等。

五、挖掘機(jī)的日常保養(yǎng)

為了防止挖掘機(jī)的故障發(fā)生，在日常使用過程中需要十分注意對(duì)挖掘機(jī)的保養(yǎng)。日常保養(yǎng)包括檢查、清洗或更換空氣濾芯；清洗冷卻系統(tǒng)內(nèi)部；檢查和擰緊履帶板螺栓；檢查和調(diào)節(jié)履帶反張緊度；檢查進(jìn)氣加熱器；更換斗齒；調(diào)節(jié)鏟斗間隙；檢查前窗清洗液液面；檢查、調(diào)節(jié)空調(diào)；清洗駕駛室內(nèi)地板；更換破碎器濾芯（選配件）。清洗冷卻系統(tǒng)內(nèi)部時(shí)，待發(fā)動(dòng)機(jī)充分冷卻后，緩慢擰松注水口蓋，釋放水箱內(nèi)部壓力，然后才能放水；不要在發(fā)動(dòng)機(jī)工作時(shí)進(jìn)行清洗工作，高速旋轉(zhuǎn)的風(fēng)扇會(huì)造成危險(xiǎn)；當(dāng)清潔或更換冷卻液時(shí)，應(yīng)將機(jī)器停放在水平地面上。

同時(shí)在啟動(dòng)發(fā)動(dòng)機(jī)前需要檢查冷卻液的液面位置高度（加水）；檢查發(fā)動(dòng)機(jī)機(jī)油油位，加機(jī)油；檢查燃油油位（加燃油）；檢查液壓油油位（加液壓油）；檢查空氣濾芯是否堵塞；檢查電線；檢查喇叭是否正常；檢查鏟斗的；檢查油水分離器中的水和沉淀物。

挖掘機(jī)在日常工作中遇到的故障還有很多，這里只是介紹了較為常見的幾類故障的維修方法，并且為了減少故障的發(fā)生，對(duì)挖掘機(jī)的日常保養(yǎng)是很重要的。只有做到保養(yǎng)和維護(hù)的雙重保障，才能保障挖掘機(jī)更好的正常工作。

參考文獻(xiàn)：

篇（2）

根據(jù)波特的影響企業(yè)的利益相關(guān)者理論，企業(yè)有五個(gè)利益相關(guān)者，分別是客戶、競(jìng)爭(zhēng)對(duì)手、供應(yīng)商、分銷商和政府等其他利益相關(guān)者。其中，最重要的利益相關(guān)者就是客戶。現(xiàn)代企業(yè)的競(jìng)爭(zhēng)優(yōu)勢(shì)不僅體現(xiàn)在產(chǎn)品上，還體現(xiàn)在市場(chǎng)上，誰(shuí)能獲得更大的市場(chǎng)份額，誰(shuí)就能在競(jìng)爭(zhēng)中占據(jù)優(yōu)勢(shì)和主動(dòng)。而對(duì)市場(chǎng)份額的爭(zhēng)奪實(shí)質(zhì)上是對(duì)客戶的爭(zhēng)奪，因此，企業(yè)必須完成從“產(chǎn)品”導(dǎo)向向“客戶”導(dǎo)向的轉(zhuǎn)變，對(duì)企業(yè)與客戶發(fā)生的各種關(guān)系進(jìn)行管理。進(jìn)行有效的客戶關(guān)系管理，就要通過有效的途徑，從儲(chǔ)存大量客戶信息的數(shù)據(jù)倉(cāng)庫(kù)中經(jīng)過深層分析，獲得有利于商業(yè)運(yùn)作，提高企業(yè)市場(chǎng)競(jìng)爭(zhēng)力的有效信息。而實(shí)現(xiàn)這些有效性的關(guān)鍵技術(shù)支持就是數(shù)據(jù)挖掘，即從海量數(shù)據(jù)中挖掘出更有價(jià)值的潛在信息。正是有了數(shù)據(jù)挖掘技術(shù)的支持，才使得客戶關(guān)系管理的理念和目標(biāo)得以實(shí)現(xiàn)，滿足現(xiàn)代電子商務(wù)時(shí)代的需求和挑戰(zhàn)。

一、客戶關(guān)系管理（CRM）

CRM是一種旨在改善企業(yè)與客戶之間關(guān)系的新型管理方法。它是企業(yè)通過富有意義的交流和溝通,理解并影響客戶行為,最終實(shí)現(xiàn)提高客戶獲取、客戶保留、客戶忠誠(chéng)和客戶創(chuàng)利的目的。它包括的主要內(nèi)容有客戶識(shí)別、客戶關(guān)系的建立、客戶保持、客戶流失控制和客戶挽留。通過客戶關(guān)系管理能夠提高企業(yè)銷售收入，改善企業(yè)的服務(wù)，提高客戶滿意度，同時(shí)能提高員工的生產(chǎn)能力。

二、數(shù)據(jù)挖掘（DM）

數(shù)據(jù)挖掘（DataMining，簡(jiǎn)稱DM），簡(jiǎn)單的講就是從大量數(shù)據(jù)中挖掘或抽取出知識(shí)。數(shù)據(jù)挖掘概念的定義描述有若干版本。一個(gè)通用的定義是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中提取人們感興趣的知識(shí)，這些知識(shí)是隱諱的、事先未知的、潛在有用的信息。

常用的數(shù)據(jù)挖掘方法有：（1）關(guān)聯(lián)分析。即從給定的數(shù)據(jù)集中發(fā)現(xiàn)頻繁出現(xiàn)的項(xiàng)集模式知識(shí)。例如，某商場(chǎng)通過關(guān)聯(lián)分析，可以找出若干個(gè)客戶在本商場(chǎng)購(gòu)買商品時(shí)，哪些商品被購(gòu)置率較高，進(jìn)而可以發(fā)現(xiàn)數(shù)據(jù)庫(kù)中不同商品的聯(lián)系，進(jìn)而反映客戶的購(gòu)買習(xí)慣。（2）序列模式分析。它與關(guān)聯(lián)分析相似，其目的也是為了控制挖掘出的數(shù)據(jù)間的聯(lián)系。但序列模式分析的側(cè)重點(diǎn)在于分析數(shù)據(jù)間的前后（因果）關(guān)系。例如，可以通過分析客戶在購(gòu)買A商品后，必定（或大部分情況下）隨著購(gòu)買B商品，來發(fā)現(xiàn)客戶潛在的購(gòu)買模式。（3）分類分析。是找出一組能夠描述數(shù)據(jù)集合典型特征的模型，以便能夠分類識(shí)別未知數(shù)據(jù)的歸屬或類別。例如，銀行可以根據(jù)客戶的債務(wù)水平、收入水平和工作情況，可對(duì)給定用戶進(jìn)行信用風(fēng)險(xiǎn)分析。（4）聚類分析。是從給定的數(shù)據(jù)集中搜索數(shù)據(jù)對(duì)象之間所存在的有價(jià)值聯(lián)系。在商業(yè)上，聚類可以通過顧客數(shù)據(jù)將顧客信息分組，并對(duì)顧客的購(gòu)買模式進(jìn)行描述，找出他們的特征，制定針對(duì)性的營(yíng)銷方案。（5）孤立點(diǎn)分析。孤立點(diǎn)是數(shù)據(jù)庫(kù)中與數(shù)據(jù)的一般模式不一致的數(shù)據(jù)對(duì)象，它可能是收集數(shù)據(jù)的設(shè)備出現(xiàn)故障、人為輸入時(shí)的輸入錯(cuò)誤等。孤立點(diǎn)分析就是專門挖掘這些特殊信息的方法。例如，銀行可以利用孤立點(diǎn)分析發(fā)現(xiàn)信用卡詐騙，電信部門可以利用孤立點(diǎn)分析發(fā)現(xiàn)電話盜用等。

三、數(shù)據(jù)挖掘在客戶關(guān)系管理中的應(yīng)用

1.進(jìn)行客戶分類

客戶分類是將大量的客戶分成不同的類別，在每一類別里的客戶具有相似的屬性，而不同類別里的客戶的屬性不同。數(shù)據(jù)挖掘可以幫助企業(yè)進(jìn)行客戶分類，針對(duì)不同類別的客戶，提供個(gè)性化的服務(wù)來提高客戶的滿意度，提高現(xiàn)有客戶的價(jià)值。細(xì)致而可行的客戶分類對(duì)企業(yè)的經(jīng)營(yíng)策略有很大益處。例如，保險(xiǎn)公司在長(zhǎng)期的保險(xiǎn)服務(wù)中，積累了很多的數(shù)據(jù)信息，包括對(duì)客戶的服務(wù)歷史、對(duì)客戶的銷售歷史和收入，以及客戶的人口統(tǒng)計(jì)學(xué)資料和生活方式等。保險(xiǎn)公司必須將這些眾多的信息資源綜合起來，以便在數(shù)據(jù)庫(kù)里建立起一個(gè)完整的客戶背景。在客戶背景信息中，大批客戶可能在保險(xiǎn)種類、保險(xiǎn)年份和保險(xiǎn)金額上具有極高的相似性，因而形成了具有共性的客戶群體。經(jīng)過數(shù)據(jù)挖掘的聚類分析，可以發(fā)現(xiàn)他們的共性，掌握他們的保險(xiǎn)理念，提供有針對(duì)性的服務(wù)，提高保險(xiǎn)公司的綜合服務(wù)水平，并可以降低業(yè)務(wù)服務(wù)成本，取得更高的收益。

2.進(jìn)行客戶識(shí)別和保留

(1)在CRM中,首先應(yīng)識(shí)別潛在客戶,然后將他們轉(zhuǎn)化為客戶

這時(shí)可以采用DM中的分類方法。首先是通過對(duì)數(shù)據(jù)庫(kù)中各數(shù)據(jù)進(jìn)行分析，從而建立一個(gè)描述已知數(shù)據(jù)集類別或概念的模型，然后對(duì)每一個(gè)測(cè)試樣本，用其已知的類別與學(xué)習(xí)所獲模型的預(yù)測(cè)類別做比較，如果一個(gè)學(xué)習(xí)所獲模型的準(zhǔn)確率經(jīng)測(cè)試被認(rèn)可，就可以用這個(gè)模型對(duì)未來對(duì)象進(jìn)行分類。例如，圖書發(fā)行公司利用顧客郵件地址數(shù)據(jù)庫(kù)，給潛在顧客發(fā)送用于促銷的新書宣傳冊(cè)。該數(shù)據(jù)庫(kù)內(nèi)容有客戶情況的描述，包括年齡、收入、職業(yè)、閱讀偏好、訂購(gòu)習(xí)慣、購(gòu)書資金、計(jì)劃等屬性的描述，顧客被分類為“是”或“否”會(huì)成為購(gòu)買書籍的顧客。當(dāng)新顧客的信息被輸入到數(shù)據(jù)庫(kù)中時(shí)，就對(duì)該新顧客的購(gòu)買傾向進(jìn)行分類，以決定是否給該顧客發(fā)送相應(yīng)書籍的宣傳手冊(cè)。

(2)在客戶保留中的應(yīng)用

客戶識(shí)別是獲取新客戶的過程，而客戶保留則是留住老顧客、防止客戶流失的過程。對(duì)企業(yè)來說，獲取一個(gè)新顧客的成本要比保留一個(gè)老顧客的成本高。在保留客戶的過程中，非常重要的一個(gè)工作就是要找出顧客流失的原因。例如，某專科學(xué)校的招生人數(shù)在逐漸減少，那么就要找出減少的原因，經(jīng)過廣泛的搜集信息，發(fā)現(xiàn)原因在于本學(xué)校對(duì)技能培訓(xùn)不夠重視，學(xué)生只能學(xué)到書本知識(shí)，沒有實(shí)際的技能，在就業(yè)市場(chǎng)上找工作很難。針對(duì)這種情況，學(xué)校應(yīng)果斷的抽取資金，購(gòu)買先進(jìn)的、有針對(duì)性的實(shí)驗(yàn)實(shí)訓(xùn)設(shè)備，同時(shí)修改教學(xué)計(jì)劃，加大實(shí)驗(yàn)實(shí)訓(xùn)課時(shí)和考核力度，培訓(xùn)相關(guān)專業(yè)的教師。

(3)對(duì)客戶忠誠(chéng)度進(jìn)行分析

客戶的忠誠(chéng)意味著客戶不斷地購(gòu)買公司的產(chǎn)品或服務(wù)。數(shù)據(jù)挖掘在客戶忠誠(chéng)度分析中主要是對(duì)客戶持久性、牢固性和穩(wěn)定性進(jìn)行分析。比如大型超市通過會(huì)員的消費(fèi)信息，如最近一次消費(fèi)、消費(fèi)頻率、消費(fèi)金額三個(gè)指標(biāo)對(duì)數(shù)據(jù)進(jìn)行分析,可以預(yù)測(cè)出顧客忠誠(chéng)度的變化，據(jù)此對(duì)價(jià)格、商品的種類以及銷售策略加以調(diào)整和更新，以便留住老顧客，吸引新顧客。

(4)對(duì)客戶盈利能力分析和預(yù)測(cè)

對(duì)于一個(gè)企業(yè)而言，如果不知道客戶的價(jià)值，就很難做出合適的市場(chǎng)策略。不同的客戶對(duì)于企業(yè)而言，其價(jià)值是不同的。研究表明，一個(gè)企業(yè)的80%的利潤(rùn)是由只占客戶總數(shù)的20%的客戶創(chuàng)造的，這部分客戶就是有價(jià)值的優(yōu)質(zhì)客戶。為了弄清誰(shuí)才是有價(jià)值的客戶，就需要按照客戶的創(chuàng)利能力來劃分客戶，進(jìn)而改進(jìn)客戶關(guān)系管理。數(shù)據(jù)挖掘技術(shù)可以用來分析和預(yù)測(cè)不同市場(chǎng)活動(dòng)情況下客戶盈利能力的變化，幫助企業(yè)制定合適的市場(chǎng)策略。商業(yè)銀行一般會(huì)利用數(shù)據(jù)挖掘技術(shù)對(duì)客戶的資料進(jìn)行分析，找出對(duì)提高企業(yè)盈利能力最重要的客戶，進(jìn)而進(jìn)行針對(duì)性的服務(wù)和營(yíng)銷。

(5)交叉銷售和增量銷售

交叉銷售是促使客戶購(gòu)買尚未使用的產(chǎn)品和服務(wù)的營(yíng)銷手段，目的是可以拓寬企業(yè)和客戶間的關(guān)系。增量銷售是促使客戶將現(xiàn)有產(chǎn)品和服務(wù)升級(jí)的銷售活動(dòng)，目的在于增強(qiáng)企業(yè)和客戶的關(guān)系。這兩種銷售都是建立在雙贏的基礎(chǔ)上的，客戶因得到更多更好符合其需求的服務(wù)而獲益，公司也因銷售增長(zhǎng)而獲益。數(shù)據(jù)挖掘可以采用關(guān)聯(lián)性模型或預(yù)測(cè)性模型來預(yù)測(cè)什么時(shí)間會(huì)發(fā)生什么事件，判斷哪些客戶對(duì)交叉銷售和增量銷售很有意向，以達(dá)到交叉銷售和增量銷售的目的。例如，保險(xiǎn)公司的交叉營(yíng)銷策略：保險(xiǎn)公司對(duì)已經(jīng)購(gòu)買某險(xiǎn)種的客戶推薦其它保險(xiǎn)產(chǎn)品和服務(wù)。這種策略成功的關(guān)鍵是要確保推銷的保險(xiǎn)險(xiǎn)種是用戶所感興趣的，否則會(huì)造成用戶的反感。

四、客戶關(guān)系管理應(yīng)用數(shù)據(jù)挖掘的步驟

1.需求分析

只有確定需求，才有分析和預(yù)測(cè)的目標(biāo)，然后才能提取數(shù)據(jù)、選擇方法，因此，需求分析是數(shù)據(jù)挖掘的基礎(chǔ)條件。數(shù)據(jù)挖掘的實(shí)施過程也是圍繞著這個(gè)目標(biāo)進(jìn)行的。在確定用戶的需求后,應(yīng)該明確所要解決的問題屬于哪種應(yīng)用類型,是屬于關(guān)聯(lián)分析、分類、聚類及預(yù)測(cè)，還是其他應(yīng)用。應(yīng)對(duì)現(xiàn)有資源如已有的歷史數(shù)據(jù)進(jìn)行評(píng)估，確定是否能夠通過數(shù)據(jù)挖掘技術(shù)來解決用戶的需求，然后將進(jìn)一步確定數(shù)據(jù)挖掘的目標(biāo)和制定數(shù)據(jù)挖掘的計(jì)劃。

2.建立數(shù)據(jù)庫(kù)

這是數(shù)據(jù)挖掘中非常重要也非常復(fù)雜的一步。首先,要進(jìn)行數(shù)據(jù)收集和集成，其次,要對(duì)數(shù)據(jù)進(jìn)行描述和整合。數(shù)據(jù)主要有四個(gè)方面的來源：客戶信息、客戶行為、生產(chǎn)系統(tǒng)和其他相關(guān)數(shù)據(jù)。這些數(shù)據(jù)通過抽取、轉(zhuǎn)換和裝載，形成數(shù)據(jù)倉(cāng)庫(kù)，并通過OLAP和報(bào)表，將客戶的整體行為結(jié)果分析等數(shù)據(jù)傳遞給數(shù)據(jù)庫(kù)用戶。

3.選擇合適的數(shù)據(jù)挖掘工具

如果從上一步的分析中發(fā)現(xiàn)，所要解決的問題能用數(shù)據(jù)挖掘比較好地完成，那么需要做的第三步就是選擇合適的數(shù)據(jù)挖掘技術(shù)與方法。將所要解決的問題轉(zhuǎn)化成一系列數(shù)據(jù)挖掘的任務(wù)。數(shù)據(jù)挖掘主要有五種任務(wù)：分類，估值預(yù)測(cè)，關(guān)聯(lián)規(guī)則，聚集，描述。前三種屬于直接的數(shù)據(jù)挖掘。在直接數(shù)據(jù)挖掘中，目標(biāo)是應(yīng)用可得到的數(shù)據(jù)建立模型，用其它可得到的數(shù)據(jù)來描述感興趣的變量。后兩種屬于間接數(shù)據(jù)挖掘。在間接數(shù)據(jù)挖掘中，沒有單一的目標(biāo)變量，目標(biāo)是在所有變量中發(fā)現(xiàn)某些聯(lián)系。

4.建立模型

建立模型是選擇合適的方法和算法對(duì)數(shù)據(jù)進(jìn)行分析，得到一個(gè)數(shù)據(jù)挖掘模型的過程。一個(gè)好的模型沒必要與已有數(shù)據(jù)完全相符，但模型對(duì)未來的數(shù)據(jù)應(yīng)有較好的預(yù)測(cè)。需要仔細(xì)考察不同的模型以判斷哪個(gè)模型對(duì)所需解決的問題最有用。如決策樹模型、聚類模型都是分類模型，它們將一個(gè)事件或?qū)ο髿w類。回歸是通過具有已知值的變量來預(yù)測(cè)其它變量的值。時(shí)間序列是用變量過去的值來預(yù)測(cè)未來的值。這一步是數(shù)據(jù)挖掘的核心環(huán)節(jié)。建立模型是一個(gè)反復(fù)進(jìn)行的過程，它需要不斷地改進(jìn)或更換算法以尋找對(duì)目標(biāo)分析作用最明顯的模型，最后得到一個(gè)最合理、最適用的模型。

5.模型評(píng)估

為了驗(yàn)證模型的有效性、可信性和可用性，從而選擇最優(yōu)的模型，需要對(duì)模型進(jìn)行評(píng)估。我們可以將數(shù)據(jù)中的一部分用于模型評(píng)估，來測(cè)試模型的準(zhǔn)確性，模型是否容易被理解模型的運(yùn)行速度、輸入結(jié)果的速度、實(shí)現(xiàn)代價(jià)、復(fù)雜度等。模型的建立和檢驗(yàn)是一個(gè)反復(fù)的過程，通過這個(gè)階段階段的工作，能使數(shù)據(jù)以用戶能理解的方式出現(xiàn)，直至找到最優(yōu)或較優(yōu)的模型。

6.部署和應(yīng)用

將數(shù)據(jù)挖掘的知識(shí)歸檔和報(bào)告給需要的群體，根據(jù)數(shù)據(jù)挖掘發(fā)現(xiàn)的知識(shí)采取必要的行動(dòng)，以及消除與先前知識(shí)可能存在的沖突，并將挖掘的知識(shí)應(yīng)用于應(yīng)用系統(tǒng)。在模型的應(yīng)用過程中，也需要不斷地對(duì)模型進(jìn)行評(píng)估和檢驗(yàn)，并做出適當(dāng)?shù)恼{(diào)整，以使模型適應(yīng)不斷變化的環(huán)境。

參考文獻(xiàn):

[1]羅納德．S．史威福特．客戶關(guān)系管理[M]．楊東龍譯．北京：中國(guó)經(jīng)濟(jì)出版社，2002

[2]馬剛:客戶關(guān)系管理[M]大連：東北財(cái)經(jīng)大學(xué)出版社，2008

[3]朱美珍:以數(shù)據(jù)挖掘提升客戶關(guān)系管理[J]．高科技產(chǎn)業(yè)技術(shù)與創(chuàng)新管理，2006，（27）

篇（3）

1發(fā)動(dòng)機(jī)轉(zhuǎn)速下降

2工作速度變慢

3挖掘機(jī)無力

4挖掘作業(yè)過程中的常見故障

5挖掘機(jī)的日常保養(yǎng)

篇（4）

2數(shù)據(jù)挖掘?qū)崿F(xiàn)過程

通常，數(shù)據(jù)挖掘過程包括4個(gè)步驟，即選擇數(shù)據(jù)、預(yù)處理、實(shí)施挖掘以及吸收數(shù)據(jù)。數(shù)據(jù)挖掘整個(gè)過程具有交互性，有時(shí)數(shù)據(jù)需要重新選擇，有時(shí)也要對(duì)數(shù)據(jù)預(yù)處理進(jìn)行改進(jìn)，也可能出現(xiàn)算法反復(fù)被調(diào)整現(xiàn)象，基于這種特征，數(shù)據(jù)挖掘時(shí)要設(shè)置反饋環(huán)。挖掘數(shù)據(jù)第1步是將管理和目標(biāo)反映到1個(gè)（或多個(gè)）挖掘任務(wù)中，整個(gè)過程可主要?jiǎng)澐殖蔀榱N：1）評(píng)估、預(yù)測(cè)。評(píng)估包括對(duì)軟件產(chǎn)品、過程以及資源的屬性進(jìn)行相應(yīng)檢查就是整個(gè)評(píng)估過程，同時(shí)也需要根據(jù)這些屬性，賦值給未知屬性，當(dāng)然這些未知屬性需要進(jìn)行量化。評(píng)估工作完成后，要對(duì)屬性值進(jìn)行預(yù)測(cè)。2）分類。檢查1個(gè)特定實(shí)體屬性，根據(jù)結(jié)果將其劃分到另1個(gè)類別或范疇（事先定義好）中。3）關(guān)聯(lián)發(fā)現(xiàn)。關(guān)聯(lián)發(fā)現(xiàn)能夠識(shí)別出特定內(nèi)容中互相存在關(guān)聯(lián)某些屬性。如，可將找出在軟件開發(fā)屬性和產(chǎn)品屬性相互關(guān)聯(lián)的內(nèi)容找出來。4）聚類。將1個(gè)結(jié)構(gòu)不相同的群體劃分到另1個(gè)具有相同結(jié)構(gòu)的子群集合中，這個(gè)過程叫做聚類，它的劃分依據(jù)是成員之間具有高度相似性。5）數(shù)據(jù)可視化。數(shù)據(jù)可視化是利用可視化描述方法來定義復(fù)雜信息。6）可視數(shù)據(jù)探察。可視化數(shù)據(jù)探察是對(duì)描述工作的相應(yīng)拓展，可利用數(shù)據(jù)可視化交互控制來分析和檢視海量數(shù)據(jù)[3]。它應(yīng)用具有可視化功能和數(shù)據(jù)挖掘技術(shù)來對(duì)數(shù)據(jù)進(jìn)行處理。

3挖掘技術(shù)在軟件工程中應(yīng)用

上文提及到軟件工程度量，部分可利用信息已在海量數(shù)據(jù)中被提取出來，但普遍認(rèn)為更為有效且數(shù)量眾多的數(shù)據(jù)依然在軟件工程相關(guān)數(shù)據(jù)庫(kù)中隱藏，而沒有被發(fā)現(xiàn)。實(shí)際上，數(shù)據(jù)挖掘就是1種被公認(rèn)為提升軟件工程度量的技術(shù)。圖1為數(shù)據(jù)挖掘在軟件工程中的應(yīng)用。

3.1數(shù)據(jù)挖掘繁榮原因1）計(jì)算機(jī)硬件系統(tǒng)和軟件系統(tǒng)的基礎(chǔ)設(shè)施建立具備發(fā)現(xiàn)驅(qū)動(dòng)、分析數(shù)據(jù)等功能；2）每種技術(shù)都在實(shí)際應(yīng)用中不斷得到改進(jìn)，其使用能力不斷提升。如，模式識(shí)別、神經(jīng)網(wǎng)絡(luò)等有明顯進(jìn)步趨勢(shì)；3）數(shù)據(jù)存儲(chǔ)、貯藏、集成成本不高，海量數(shù)據(jù)可輕松獲得。數(shù)據(jù)挖掘技術(shù)被人們認(rèn)識(shí)，并在實(shí)踐中逐漸被重視，同時(shí)也給研究和進(jìn)一步提高數(shù)據(jù)挖掘技術(shù)提供了便利條件。

3.2面臨挑戰(zhàn)軟件工程自身存在很多數(shù)據(jù)上的特殊性，給數(shù)據(jù)挖掘領(lǐng)域研究工作帶來制約和影響，主要表現(xiàn)在以下三個(gè)方面：1）數(shù)據(jù)復(fù)雜。軟件工程數(shù)據(jù)主要分為兩個(gè)組成部分，即結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)。結(jié)構(gòu)化數(shù)據(jù)主要包括缺陷報(bào)告、版本信息等內(nèi)容，而非結(jié)構(gòu)化數(shù)據(jù)則包含數(shù)據(jù)代碼、相應(yīng)注釋以及文檔等內(nèi)容。結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)并不能同時(shí)適用一種算法，而且兩種數(shù)據(jù)間還存在對(duì)應(yīng)聯(lián)系。如，1個(gè)缺陷報(bào)告中往往包括缺陷代碼段。而結(jié)構(gòu)化數(shù)據(jù)里常常涵蓋部分非結(jié)構(gòu)化信息，非結(jié)構(gòu)化數(shù)據(jù)中亦是如此，這也是今后工作中需要重點(diǎn)解決的問題之一。2）非傳統(tǒng)分析存在局限。數(shù)據(jù)挖掘最終想實(shí)現(xiàn)的目標(biāo)就是將轉(zhuǎn)化而來的信息傳達(dá)給用戶，實(shí)現(xiàn)信息共享。傳統(tǒng)數(shù)據(jù)挖掘技術(shù)在使用過程中，信息手段比較單一，如文字、圖表等表達(dá)形式。其實(shí)，軟件開發(fā)商對(duì)信息的要求很高，1個(gè)統(tǒng)計(jì)結(jié)果根本不能滿足其工作需求。為促進(jìn)軟件開發(fā)不斷向上發(fā)展，開發(fā)人員需要相關(guān)信息作為參考依據(jù)，包括開發(fā)實(shí)際案例、編程所需模板、系統(tǒng)缺陷定位以及軟件結(jié)構(gòu)設(shè)計(jì)等。研究數(shù)據(jù)挖掘技術(shù)，提升其實(shí)際使用功能，需要不斷提交新信息、新知識(shí)，并改進(jìn)相應(yīng)手方法。3）挖掘結(jié)果評(píng)價(jià)標(biāo)準(zhǔn)不夠具體。軟件工程數(shù)據(jù)挖掘尚未形成完善的結(jié)果表示體系，其評(píng)價(jià)體系也有待加強(qiáng)。人員在軟件開發(fā)過程中需要大量信心，這些信息非常具體且復(fù)雜，表示方法不盡相同，互相之間難以做出對(duì)比，也很難用定量方法去分析挖掘結(jié)果。

篇（5）

二、Web數(shù)據(jù)挖掘技術(shù)的工作流程

Web數(shù)據(jù)挖掘技術(shù)的主要工作流程可以分為以下幾個(gè)步驟：第一步，確立目標(biāo)樣本，這一步是用戶選取目標(biāo)文本，以此來作為提取用戶的特征信息；第二步，提取特征信息，這一步就是根據(jù)第一步得到的目標(biāo)樣本的詞頻分布，從現(xiàn)有的統(tǒng)計(jì)詞典中獲取所要挖掘的目標(biāo)的特征向量，并計(jì)算出其相應(yīng)的權(quán)值；第三步，從網(wǎng)絡(luò)上獲取信息，這一步是利用通過搜索引擎站點(diǎn)選擇采集站點(diǎn)，然后通過Robot程序采集靜態(tài)的Web頁(yè)面，最后再獲取這些被訪問站點(diǎn)的網(wǎng)絡(luò)數(shù)據(jù)庫(kù)中的動(dòng)態(tài)信息，然后生成WWW資源庫(kù)索引；第四步，進(jìn)行信息特征匹配，通過提取源信息的特征向量，去和目標(biāo)樣本的特征向量進(jìn)行匹配，最后將符合閾值條件的信息返回個(gè)用戶。

三、Web數(shù)據(jù)挖掘技術(shù)在高校數(shù)字圖書館中的應(yīng)用

高校數(shù)字圖書館為師生主要提供以下功能：查找圖書、期刊論文、會(huì)議文獻(xiàn)等數(shù)字資源；圖書借閱、歸還等服務(wù)；圖書信息、管理制度；導(dǎo)航到圖書光盤、視頻資源等數(shù)據(jù)庫(kù)系統(tǒng)。師生時(shí)常登錄到網(wǎng)站中查找其需要的信息，根據(jù)師生所學(xué)專業(yè)、研究方向不同，關(guān)注目標(biāo)也不同。通常這類師生會(huì)到常用的圖書館網(wǎng)站上，查找自己所需要的特定領(lǐng)域的資源；瀏覽一下有哪些內(nèi)容發(fā)生變化，是否有新知識(shí)增加，而且所有改變常常是用戶所關(guān)注的內(nèi)容；另外，當(dāng)目標(biāo)網(wǎng)頁(yè)所在的位置有所改變或這個(gè)網(wǎng)站的組織結(jié)構(gòu)、層次關(guān)系有所變動(dòng)時(shí)，所有這些問題只要稍加改動(dòng)，容易使用戶難以找到所需內(nèi)容。本課題采用Web挖掘技術(shù)與搜索技術(shù)相結(jié)合。首先允許用戶對(duì)感興趣的內(nèi)容進(jìn)行定制，構(gòu)造數(shù)據(jù)挖掘的先驗(yàn)知識(shí)，然后通過構(gòu)造瀏覽器插件，捕獲用戶在瀏覽器上的行為數(shù)據(jù)，采用Web數(shù)據(jù)挖掘的方法，深入分析用戶的瀏覽行為數(shù)據(jù)，獲得用戶的信息資料集，最終為用戶提供不同的個(gè)性化服務(wù)頁(yè)面，并提供用戶對(duì)站內(nèi)信息進(jìn)行搜索功能，同時(shí)可以滿足師生對(duì)于圖書館資源進(jìn)行查找訪問的需求，實(shí)現(xiàn)高校圖書館網(wǎng)站資源真正意義上的個(gè)性化服務(wù)。

1、為開發(fā)網(wǎng)絡(luò)信息資源提供了工具

數(shù)字圖書館需要的是一種可以有效的將信息進(jìn)行組織管理，同時(shí)還能夠?qū)π畔⑦M(jìn)行深層的加工管理，提供多層次的、智能化的信息服務(wù)和全方位的知識(shí)服務(wù)，提供經(jīng)過加工、分析綜合等處理的高附加值的信息產(chǎn)品和知識(shí)產(chǎn)品的工具。目前許多高校數(shù)字圖書館的查詢手段還只局限于一些基本的數(shù)據(jù)操作，對(duì)數(shù)據(jù)只能進(jìn)行初步的加工，不具有從這些數(shù)據(jù)中歸納出所隱含的有用信息的功能，也使得這些信息不為人知，從而得不到更好的使用，這些都是對(duì)網(wǎng)絡(luò)信息資源的一種浪費(fèi)。而通過Web數(shù)據(jù)挖掘技術(shù)科研有效的解決這一問題。這種技術(shù)可以用于挖掘文檔的隱含的有用的內(nèi)容，或者可以在其他工具搜索的基礎(chǔ)上進(jìn)一步進(jìn)行處理，得到更為有用和精確的信息。通過Web數(shù)據(jù)挖掘技術(shù)科研對(duì)數(shù)字圖書關(guān)注中的信息進(jìn)行更加有效地整合。

2、為以用戶為中心的服務(wù)提供幫助

通過瀏覽器訪問數(shù)字圖書館后，可被記載下來的數(shù)據(jù)有兩類，一類是用戶信息，另一類是用戶訪問記錄。其中用戶信息包括了用戶名，用戶訪問IP地址，用戶的職業(yè)、年齡、愛好等。用戶名師用戶登錄圖書館時(shí)輸入，用戶訪問IP地址通過程序獲得，其他的信息都是用戶在注冊(cè)時(shí)所填寫的，訪問記錄則是在用戶登錄時(shí)所記錄的，也是由程序獲得。對(duì)這些用戶信息進(jìn)行分析可以更加有效的了解用戶的需求通過分析服務(wù)器中用戶請(qǐng)求失敗的數(shù)據(jù)，結(jié)合聚集算法，可以發(fā)現(xiàn)信息資源的缺漏，從而指導(dǎo)對(duì)信息資源采集的改進(jìn)，讓高校數(shù)字圖書館的信息資源體系建設(shè)的更加合理。對(duì)數(shù)字圖書館系統(tǒng)的在線調(diào)查、留言簿、薦書條等的數(shù)據(jù)進(jìn)行收集整理，并使之轉(zhuǎn)化為標(biāo)準(zhǔn)的結(jié)構(gòu)化數(shù)據(jù)庫(kù)，然后在通過數(shù)據(jù)挖掘，皆可以發(fā)現(xiàn)用戶所感興趣的模式，同時(shí)還可以預(yù)先發(fā)現(xiàn)用戶群體興趣的變遷，調(diào)整館藏方向，提前做好信息資源的采集計(jì)劃。通過Web數(shù)據(jù)挖掘，可以對(duì)用戶的信息需求和行為規(guī)律進(jìn)行總結(jié)，從而為優(yōu)化網(wǎng)絡(luò)站點(diǎn)的結(jié)構(gòu)提供參考，還可以適當(dāng)各種資源的配置更加的合理，讓用戶可以用更少的時(shí)間找到自己所需要的資源。例如可以通過路徑分析模式采掘捕捉確定用戶頻繁瀏覽訪問的路徑，調(diào)整站點(diǎn)結(jié)構(gòu)，并在適當(dāng)處加上廣告或薦書條。

3、Web數(shù)據(jù)挖掘技術(shù)在圖書館采訪工作中的應(yīng)用

在圖書館的工作中有一步十分的重要，這就是采訪工作，采訪工作的做的好壞程度會(huì)直接的對(duì)圖書館的服務(wù)質(zhì)量產(chǎn)生影響。通常情況圖書館的工作人員會(huì)根據(jù)圖書館的性質(zhì)、服務(wù)對(duì)象及其任務(wù)來決定采訪的內(nèi)容。但是這種采訪局限性很大，很多時(shí)候會(huì)受采訪人員的主觀意識(shí)的影響，同時(shí)這種方式也會(huì)顯得死板不靈活。很多時(shí)候會(huì)出現(xiàn)應(yīng)該購(gòu)進(jìn)的文獻(xiàn)沒有買，不應(yīng)該買的文獻(xiàn)卻買了很多等與讀者的需求不符的現(xiàn)象。這些現(xiàn)象的產(chǎn)生都是因?yàn)槿狈?duì)讀者需求的了解和分析。要解決這些問題就必須對(duì)讀者的需求進(jìn)行全面的了解和分析，而Web數(shù)據(jù)挖掘則為解決該問題提供了一種較好的方法。通過對(duì)各種日志文件和采訪時(shí)獲得的數(shù)據(jù)進(jìn)行分析，可以很清楚的得到讀者需要的是什么樣的書籍、不需要的又是什么樣的書籍，從而為采購(gòu)提供各種科學(xué)合理的分析報(bào)告和預(yù)測(cè)報(bào)告。根據(jù)對(duì)分析還能幫組圖書館管理人員確定各種所需書籍的比例，從而確定哪些文獻(xiàn)應(yīng)該及時(shí)的進(jìn)行補(bǔ)充，哪些文獻(xiàn)應(yīng)該進(jìn)行剔除，對(duì)館藏機(jī)構(gòu)進(jìn)行優(yōu)化，真正的為高校里的師生提供所需要的文獻(xiàn)和資料。

4、使用Web數(shù)據(jù)挖掘技術(shù)提供個(gè)性化服務(wù)

篇（6）

職業(yè)教育曾利用電視教育這種很先進(jìn)的技術(shù)辦學(xué)并取得了輝煌的成績(jī)，時(shí)至今日，現(xiàn)代信息技術(shù)不斷發(fā)展，不同程度的滲透到每一個(gè)領(lǐng)域，教育領(lǐng)域更是首當(dāng)其沖。昨日先進(jìn)的辦學(xué)技術(shù)，已經(jīng)遠(yuǎn)不能適應(yīng)現(xiàn)代遠(yuǎn)程教育的發(fā)展需要，現(xiàn)代教學(xué)媒體開發(fā)是實(shí)現(xiàn)遠(yuǎn)程教育的重要環(huán)節(jié)之一。近幾年，隨著國(guó)外遠(yuǎn)程教育突飛猛進(jìn)的發(fā)展，以及國(guó)內(nèi)高中等院校多媒體課件的開發(fā)實(shí)踐，我們應(yīng)對(duì)現(xiàn)代教育媒體開發(fā)的應(yīng)用前景，特別是對(duì)我院遠(yuǎn)程教育發(fā)展的重要性有一個(gè)充分的認(rèn)識(shí)。

一、專業(yè)教學(xué)網(wǎng)絡(luò)與現(xiàn)代教育技術(shù)媒體的開發(fā)

現(xiàn)代教育媒體的開發(fā)，從技術(shù)角度來看是可行的全球計(jì)算機(jī)網(wǎng)絡(luò)和多媒體技術(shù)的進(jìn)步導(dǎo)致了新一代知識(shí)智能媒體的發(fā)展，產(chǎn)生了網(wǎng)絡(luò)大學(xué)(虛擬大學(xué))，這是遠(yuǎn)程教育的重要特點(diǎn)和今后的發(fā)展方向。承載教學(xué)媒體的信息可簡(jiǎn)單的分為實(shí)時(shí)性和非實(shí)時(shí)性兩類。多媒體信息則非常適應(yīng)非實(shí)時(shí)性的傳輸要求，且價(jià)格較低，利用非實(shí)時(shí)性傳輸中有一定的延時(shí)的特點(diǎn)。像文本、圖片、聲音、動(dòng)畫等形式的多媒體信息，就可以在低速網(wǎng)上通過電話進(jìn)行傳輸。Internet和Intranet上大多采用這種非實(shí)時(shí)性信息傳輸方式瀏覽信息，這非常適合具有交互性的多媒體課件。

二、多媒體課件的應(yīng)用前景以及精品課件的建立

篇（7）

1.2模糊集理論的應(yīng)用要點(diǎn)該方法通過模糊集合與模糊推理兩種方法，其研究測(cè)試的對(duì)象是各類不確定性因素，屬于傳統(tǒng)集合理論的創(chuàng)新。模糊集理論在設(shè)備狀態(tài)監(jiān)測(cè)和故障診斷中的應(yīng)用，主要包含了兩個(gè)方面。一方面，是在相關(guān)數(shù)據(jù)概念的形成時(shí)，采用不準(zhǔn)確和較為模糊的語(yǔ)言變量，根據(jù)人們習(xí)慣，對(duì)設(shè)備狀態(tài)的變化及變量變化狀態(tài)進(jìn)行描述。具有較強(qiáng)的直觀性，且相關(guān)人員在接受該類概念時(shí)，也可以更方便的理解接受；另一方面，該方法通過提煉模糊性規(guī)則，在建模時(shí)模糊化，使得機(jī)械設(shè)備的控制、預(yù)測(cè)以及故障診斷等過程擁有更為廣闊的空間。

1.3基于實(shí)例分析的方案優(yōu)化及調(diào)整該種方法擁有較為簡(jiǎn)單的思路，在對(duì)設(shè)備未來運(yùn)行情況進(jìn)行預(yù)測(cè)時(shí)，系統(tǒng)會(huì)匹配與設(shè)備目前情況相似的實(shí)際案例，并從以往的解決方法中選出最佳的解決方案，再結(jié)合設(shè)備實(shí)際情況進(jìn)行相應(yīng)調(diào)整。此類方法的應(yīng)用范圍較廣，且得到的計(jì)算結(jié)果也相對(duì)準(zhǔn)確，但同時(shí)也具有一定缺陷，即無法全面整合以往設(shè)備數(shù)據(jù)及解決規(guī)律，缺乏充足的繼承性。該方法進(jìn)行故障診斷的基本理念是，在選紅棗解決方法的過程中，利用歷史診斷方法成功案例為奠基，進(jìn)行全面的推理工作，并采用類比和聯(lián)想法，較為全面的對(duì)故障進(jìn)行診斷。

1.4多種數(shù)據(jù)挖掘法的聯(lián)合應(yīng)用除上述幾種數(shù)據(jù)挖掘技術(shù)外，實(shí)際工作中還涵蓋了以傳統(tǒng)數(shù)據(jù)統(tǒng)計(jì)為基礎(chǔ)的統(tǒng)計(jì)分析方法、人工神經(jīng)網(wǎng)絡(luò)元技術(shù)、等多種方法，考慮到每一種方法或多或少具有局限性，故為了有效提高各類方法的應(yīng)用效果，可以將各類方法進(jìn)行配合使用，代表性的算法組合類型如表1所示。

以遺傳算法和模糊集理論的配合采用為例。由于模糊算法，主要是利用了最大隸屬原理和閥值原理，故可以按照不同故障的發(fā)生原因以及故障征兆的相互聯(lián)系，在綜合考慮的基礎(chǔ)上對(duì)機(jī)械設(shè)備故障的可能原因進(jìn)行全面分析。而該方法在運(yùn)用的過程中，會(huì)對(duì)各類故障征兆進(jìn)行約簡(jiǎn)化從而得到較為普遍的規(guī)律，但是所得到的規(guī)律也可能存在不可靠問題。故在實(shí)際應(yīng)用模糊集理論的同時(shí)，配合采用遺傳算法，通過對(duì)模糊集理論所得到的結(jié)論及規(guī)則進(jìn)行全面優(yōu)化，使得診斷的結(jié)果更為準(zhǔn)確與高效。上述案例方法在渦輪機(jī)故障診斷過程中進(jìn)行應(yīng)用時(shí)，可先建立完善的渦輪機(jī)故障集，在此基礎(chǔ)上采用模糊集理論對(duì)渦輪機(jī)故障進(jìn)行診斷，配合遺傳算法對(duì)渦輪機(jī)故障規(guī)律進(jìn)行優(yōu)化，使得最終故障診斷結(jié)果更為準(zhǔn)確。除遺傳算法與模糊集理論課進(jìn)行配合使用外，其他各類方法也可以根據(jù)設(shè)備實(shí)際情況進(jìn)行搭配，使得最終診斷結(jié)果更為準(zhǔn)確有效。

篇（8）

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2012）30-7150-04

隨著數(shù)字信息化社會(huì)的飛速發(fā)展，計(jì)算機(jī)技術(shù)和數(shù)據(jù)庫(kù)管理系統(tǒng)被廣泛應(yīng)用于科學(xué)探索、商業(yè)、金融業(yè)、電子商務(wù)、企業(yè)生產(chǎn)等各種行業(yè)，已逐漸發(fā)展成為一種智能管理過程。數(shù)據(jù)挖掘作為一種新興的數(shù)據(jù)分析技術(shù)，它的研究成果取得了令人矚目的成就[1]。利用數(shù)據(jù)庫(kù)技術(shù)，通過對(duì)教務(wù)管理的大量數(shù)據(jù)進(jìn)行多層次、多維度的加工處理，從而實(shí)現(xiàn)人性化管理，為科學(xué)決策提供支持。

畢業(yè)論文在教學(xué)體系中占有十分重要的位置，是本科生培養(yǎng)計(jì)劃中衡量教學(xué)質(zhì)量的重要指標(biāo)。提高畢業(yè)論文教學(xué)質(zhì)量是一項(xiàng)系統(tǒng)工程，為研究在當(dāng)前的教學(xué)條件下如何提高畢業(yè)論文教學(xué)質(zhì)量，本文采用數(shù)據(jù)挖掘技術(shù)對(duì)影響畢業(yè)論文成績(jī)管理的多方面因素進(jìn)行了深入分析和挖掘，以期發(fā)現(xiàn)對(duì)學(xué)校畢業(yè)論文教學(xué)管理有用的知識(shí)，將這些知識(shí)應(yīng)用于本科學(xué)生畢業(yè)論文教學(xué)實(shí)踐中，為學(xué)校管理者提供有用的信息，進(jìn)而獲得更好的管理效益，為學(xué)校未來的發(fā)展提供更廣闊的空間，發(fā)揮重要的作用。

1 數(shù)據(jù)挖掘簡(jiǎn)介

數(shù)據(jù)挖掘（Data Mining），又稱數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)（Knowledge discovery in Database. KDD）[2]，是通過分析每一個(gè)具體數(shù)據(jù)，從大量的、有噪聲的、模糊的、隨機(jī)的海量數(shù)據(jù)中尋找其規(guī)律的技術(shù)，它是數(shù)據(jù)庫(kù)研究中的一個(gè)很有應(yīng)用價(jià)值的新領(lǐng)域。

1.1 數(shù)據(jù)挖掘的定義

H包含如下功能：

綜上所述，數(shù)據(jù)挖掘具有三大特點(diǎn)：其一是處理大型數(shù)據(jù)；其二應(yīng)用數(shù)據(jù)挖掘的目的是發(fā)現(xiàn)未知的、有意義的模式或規(guī)律；其三是一個(gè)對(duì)大量數(shù)據(jù)處理的過程，有特定的步驟[3]。

1.2 數(shù)據(jù)挖掘的主要方法

數(shù)據(jù)挖掘是一個(gè)多學(xué)科交叉領(lǐng)域，它由人工智能、機(jī)器學(xué)習(xí)的方法起步，并與統(tǒng)計(jì)分析方法、模糊數(shù)學(xué)和可視化技術(shù)相融合，以數(shù)據(jù)庫(kù)為研究對(duì)象，圍繞面對(duì)應(yīng)用，為決策者提供服務(wù)。

數(shù)據(jù)挖掘的方法主要可分為六大類：統(tǒng)計(jì)分析方法、歸納學(xué)習(xí)方法、仿生物技術(shù)、可視化技術(shù)、聚類方法和模糊數(shù)學(xué)方法。歸納學(xué)習(xí)法是目前重點(diǎn)研究的方向，本文根據(jù)給定的訓(xùn)練樣本數(shù)據(jù)集，采用歸納學(xué)習(xí)法中的決策樹技術(shù)構(gòu)造分類模型，將事例分類成不同的類別。

2 決策樹算法基本理論

2.1 決策樹方法介紹

決策樹[4]方法是以事例學(xué)習(xí)為基礎(chǔ)的歸納推算法，著眼于從一組無序的，無規(guī)則的事例中推斷出類似條件下會(huì)得到什么值這類規(guī)則的方法，它是一種逼近離散值函數(shù)的方法，也可以看作一個(gè)布爾函數(shù)[5]。決策樹歸納方法是目前許多數(shù)據(jù)挖掘商用系統(tǒng)的基礎(chǔ)，可以應(yīng)用于分析數(shù)據(jù)，同樣也可以用來作預(yù)測(cè)。建模過程中，即樹的生長(zhǎng)過程是不斷的把數(shù)據(jù)進(jìn)行切分，采用“自頂向下，分而治之”的方法將問題的搜索空間劃分為若干個(gè)互不交叉的子集，通常用來形成分類器和預(yù)測(cè)模型。如圖1所示，為決策樹的示意圖。

決策樹一種類似流程圖的樹形結(jié)構(gòu)，是一種知識(shí)的表現(xiàn)形式。為了對(duì)未知樣本進(jìn)行分類，生成具體的分類規(guī)則，信息樣本的各個(gè)屬性值要在決策樹上進(jìn)行測(cè)試。主要分為兩個(gè)階段：在第一階段中生成樹。決策樹最上面的節(jié)點(diǎn)為根節(jié)點(diǎn)，是整個(gè)決策樹的開始，然后遞歸的進(jìn)行數(shù)據(jù)分區(qū)，每次切分對(duì)應(yīng)一個(gè)問題，也對(duì)應(yīng)著一個(gè)節(jié)點(diǎn)；在第二階段中對(duì)樹進(jìn)行修剪，此過程中去掉一些可能是噪音或異常的數(shù)據(jù)，防止決策樹的過匹配，進(jìn)而保證生成決策樹的有效性和合理性。當(dāng)一個(gè)節(jié)點(diǎn)中的所有數(shù)據(jù)都屬于同一類別，或者沒有屬性可以再用于數(shù)據(jù)進(jìn)行分割時(shí)，分割工作停止。具體的工作流程如圖2所示。

2.2 C4.5算法

1986年Ross Quinlan首次提出了ID3決策樹算法，它是最早的決策樹算法之一。ID3算法運(yùn)用信息熵理論，選擇當(dāng)前樣本中具有信息增益值的屬性作為測(cè)試屬性，對(duì)樣本的劃分則依據(jù)測(cè)試屬性的取值[6]。C4.5算法是在ID3算法基礎(chǔ)上發(fā)展起來的，它繼承了ID3算法的全部?jī)?yōu)點(diǎn)，并增加了新的功能改進(jìn)了ID3算法中的不足，可以進(jìn)行連續(xù)值屬性處理并處理未知值的訓(xùn)練樣本。在應(yīng)用單機(jī)的決策樹算法中，C4.5算法不僅分類準(zhǔn)確而且執(zhí)行速度快。

C4.5通過兩個(gè)步驟來建立決策樹：第一階段樹的生成，第二階段樹的剪枝。C4.5算法采用信息增益率來記錄字段不同取值的選擇，首先計(jì)算各個(gè)屬性的信息增益率，尋找到規(guī)則信息的優(yōu)劣，選出信息增益率最大的屬性作為結(jié)點(diǎn)，自頂向下生成決策樹。C4.5算法構(gòu)造決策樹的基本策略如下：

首先計(jì)算出給定樣本所需的期望信息，設(shè)S為一個(gè)包含s個(gè)數(shù)據(jù)樣本的集合，對(duì)于類別屬性，可以取m個(gè)不同取值，分別對(duì)應(yīng)于m個(gè)不同的類別[Ci（i∈1，2，...，m）]。假設(shè)類別[Ci]中的樣本個(gè)數(shù)為[si]，期望信息為：

其中，[Pi]是任意樣本屬于[Ci]的概率，并用[sis]估計(jì)。

接著，計(jì)算當(dāng)前樣本集合所需用的信息熵，設(shè)一個(gè)屬性A具有n個(gè)不同的值[（a1，a2，...an）]，利用屬性A可以將集合S劃分為n個(gè)子集[S1，S2，...Sn]，其中[Sj]包含了S集合中屬性A取[aj]值的樣本數(shù)據(jù)。如果屬性A被選作測(cè)試屬性，設(shè)[Sij]為[Sj]中屬于[Ci]類別的樣本集，根據(jù)A劃分計(jì)算的熵為：

然后利用屬性A對(duì)當(dāng)前分支結(jié)點(diǎn)進(jìn)行相應(yīng)樣本集合劃分計(jì)算信息增益：

最后，求信息增益率，表達(dá)式為：

C4.5算法的偽代碼如下：

輸入：訓(xùn)練樣本Samples；目標(biāo)屬性Target—attribute；候選屬性的集合Attributes

輸出：一棵決策樹

1）創(chuàng)建根節(jié)點(diǎn)root；

2）If Samples都在同一類C Then；

3）返回label=類C的單結(jié)點(diǎn)樹root；

4）If Attributes為空Then；

5）返回單結(jié)點(diǎn)樹root，[label=Samples]中最普遍的Target-Atribute值；

6）Else；

7）For each測(cè)試屬性列表Attributes中的屬性；

8）IF測(cè)試屬性是連續(xù)的Then；

9）對(duì)測(cè)試屬性進(jìn)行離散化處理，找出使其信息增益比率最大的分割閾值；

10）Else；

11）計(jì)算測(cè)試屬性的信息增益比率；

20）添加子樹Generate Tree C4.5；

21）對(duì)已建立的決策樹計(jì)算每個(gè)結(jié)點(diǎn)的分類錯(cuò)誤，進(jìn)行剪枝，并返回根結(jié)點(diǎn)Root。

3 畢業(yè)論文成績(jī)管理系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)

利用數(shù)據(jù)挖掘技術(shù)對(duì)學(xué)生的成績(jī)數(shù)據(jù)進(jìn)行提煉，所產(chǎn)生的結(jié)果和信息會(huì)對(duì)以后的教學(xué)管理工作提供有用的信息，進(jìn)而獲得更好的管理效益。解決問題的重點(diǎn)在于怎樣對(duì)學(xué)生的畢業(yè)論文成績(jī)進(jìn)行全面且深度的分析，從而挖掘出成績(jī)與其他因素之間隱藏的內(nèi)在聯(lián)系。本文采用決策樹技術(shù)挖掘信息時(shí)，主要操作步驟如下：

1）確定挖掘來源：清晰地定義挖掘?qū)ο螅鞔_挖掘目標(biāo)是數(shù)據(jù)挖掘所有工作中重要的一步。本文中應(yīng)用于挖掘的數(shù)據(jù)信息是畢業(yè)生的畢業(yè)論文成績(jī)，旨在通過對(duì)大量成績(jī)數(shù)據(jù)進(jìn)行各層次的挖掘，全面了解具體影響學(xué)生畢業(yè)論文成績(jī)的各方面因素，正確的針對(duì)問題擬定分析過程。

2）獲取相關(guān)知識(shí)：數(shù)據(jù)是挖掘知識(shí)最原始的資料，根據(jù)確定的數(shù)據(jù)分析對(duì)象，抽象出數(shù)據(jù)分析中所需要的特征信息模型。領(lǐng)域問題的數(shù)據(jù)收集完成之后，與目標(biāo)信息相關(guān)的屬性也隨之確定。這些數(shù)據(jù)有些是可以直接獲得的，有些則需要對(duì)學(xué)生進(jìn)行調(diào)查才能的得到。

3）數(shù)據(jù)預(yù)處理：此過程中是對(duì)已收集的大量數(shù)據(jù)進(jìn)行整合與檢查。因?yàn)榇娣旁跀?shù)據(jù)庫(kù)中的數(shù)據(jù)一般是不完整的、不一致的，通常還含有噪聲的存在。因此就需要對(duì)數(shù)據(jù)庫(kù)中數(shù)據(jù)進(jìn)行清理、整理和歸并，以提高挖掘過程的精度和性能。

4）數(shù)據(jù)轉(zhuǎn)換：對(duì)預(yù)處理后的數(shù)據(jù)建立分析模型，對(duì)于特定的任務(wù)，需要選擇合適的算法來建立一個(gè)準(zhǔn)確的適合挖掘算法的分析模型。本文采用決策樹技術(shù)進(jìn)行分類建模來解決相應(yīng)的問題。

5）分類挖掘知識(shí)和信息：此階段的工作目的是根據(jù)系統(tǒng)最終要實(shí)現(xiàn)的功能和任務(wù)來確定挖掘的分類模型。選擇合適的數(shù)據(jù)挖掘技術(shù)及算法，并采用恰當(dāng)?shù)某绦蛟O(shè)計(jì)語(yǔ)言來實(shí)現(xiàn)該算法，對(duì)凈化和轉(zhuǎn)換過得數(shù)據(jù)訓(xùn)練集進(jìn)行挖掘，獲得有價(jià)值的分析信息。

6）知識(shí)表示：將數(shù)據(jù)挖掘得到的分析信息進(jìn)一步的解釋和評(píng)價(jià)，生成可用的、正確的、可理解的分類規(guī)則呈現(xiàn)給管理者，應(yīng)用于實(shí)踐。

7）知識(shí)應(yīng)用：將分析得到的規(guī)則應(yīng)用到教學(xué)管理中，教師可以利用所得到的知識(shí)針對(duì)性的開展畢業(yè)設(shè)計(jì)的教學(xué)活動(dòng)，進(jìn)一步指導(dǎo)教學(xué)工作，提高教學(xué)水平和學(xué)生的畢業(yè)論文質(zhì)量。

4 結(jié)論

最終發(fā)現(xiàn)影響學(xué)生畢業(yè)論文成績(jī)主要的因素不是指導(dǎo)教師的職稱，學(xué)生的基礎(chǔ)及感興趣程度，而是指導(dǎo)教師的學(xué)歷高低。根據(jù)具體分類規(guī)則的結(jié)論，學(xué)校教學(xué)管理工作應(yīng)加重對(duì)教師的素質(zhì)及能力培養(yǎng)，合理的分配每個(gè)教師的畢業(yè)論文指導(dǎo)工作，不僅能夠有效的完成畢業(yè)課題指導(dǎo)工作，更有助于學(xué)生整體論文質(zhì)量的提高。

在高校教學(xué)數(shù)字化的時(shí)代趨勢(shì)下，利用數(shù)據(jù)挖掘技術(shù)來挖掘提取教學(xué)工作中的全面而有價(jià)值信息，可以為教育管理者的教學(xué)工作提供有效的參考信息，改進(jìn)教學(xué)管理方法，提高教學(xué)質(zhì)量和學(xué)生的綜合素質(zhì)，是高校保持良好的可持續(xù)發(fā)展的有力工具。

參考文獻(xiàn)：

[1] 劉玉文.數(shù)據(jù)挖掘在高校招生中的研究與應(yīng)用[D].上海：上海師范大學(xué)，2008.

[2] 魏萍萍，王翠茹，王保義，張振興.數(shù)據(jù)挖掘技術(shù)及其在高校教學(xué)系統(tǒng)中的應(yīng)用[J].計(jì)算機(jī)工程，2003.29（11）：87-89.

[3] 劉林東. Web挖掘在考試系統(tǒng)中的應(yīng)用[J].計(jì)算機(jī)應(yīng)用研究，2005（2）：150-154.

篇（9）

二、在部隊(duì)食品采購(gòu)系統(tǒng)中的應(yīng)用以及其價(jià)值評(píng)價(jià)

在部隊(duì)食品采購(gòu)系統(tǒng)實(shí)際應(yīng)用工程中，其實(shí)可以運(yùn)用MicrosoftSQLServerAnalysisServices來對(duì)數(shù)據(jù)進(jìn)行分析，并且在數(shù)據(jù)挖掘過程中對(duì)多維數(shù)據(jù)進(jìn)行描述與查找起到一定作用。因?yàn)槎嗑S數(shù)據(jù)比較復(fù)雜，增長(zhǎng)的也比較快，因此，進(jìn)行手動(dòng)查找是很困難的，數(shù)據(jù)挖掘技術(shù)提供的計(jì)算模式可以很好的對(duì)數(shù)據(jù)進(jìn)行分析與查找。在建設(shè)部隊(duì)食品采購(gòu)倉(cāng)庫(kù)數(shù)據(jù)的時(shí)候，數(shù)據(jù)內(nèi)容主要包括了人員的健康、兵員的飲食以及訓(xùn)練等，進(jìn)行數(shù)據(jù)挖掘主要包括以下內(nèi)容：第一，把每個(gè)主題信息數(shù)據(jù)進(jìn)行收集、匯總、分析等，對(duì)人員情況、健康、飲食、訓(xùn)練等進(jìn)行合理分析；第二，多維分析數(shù)據(jù)信息。根據(jù)部隊(duì)的實(shí)際情況，利用數(shù)據(jù)挖掘技術(shù)對(duì)部隊(duì)人員健康、飲食、訓(xùn)練等數(shù)據(jù)信息進(jìn)行多維分析，其中包含上鉆、切片、下鉆等；第三，挖掘健康與飲食之間的內(nèi)在關(guān)系。根據(jù)數(shù)據(jù)庫(kù)中許多面向主題的歷史數(shù)據(jù)，采用數(shù)據(jù)挖掘技術(shù)進(jìn)行分析與演算得到部隊(duì)人員的訓(xùn)練和健康情況與部隊(duì)飲食之間內(nèi)在關(guān)系，以便于為部隊(duì)食品采購(gòu)提供合理的、有效的保障，從而提高部隊(duì)整體人員的健康水平、身體素質(zhì)以及訓(xùn)練質(zhì)量，對(duì)提高我國(guó)部隊(duì)?wèi)?zhàn)斗力有著深遠(yuǎn)的意義。

篇（10）

2交互式關(guān)聯(lián)規(guī)則挖掘算法

關(guān)聯(lián)規(guī)則挖掘算法在數(shù)據(jù)庫(kù)的記錄或?qū)ο笾谐槿￡P(guān)聯(lián)性，展示了數(shù)據(jù)間位置依賴關(guān)系，其目的是尋找在大量的數(shù)據(jù)項(xiàng)中隱藏著的聯(lián)系或相關(guān)性。其優(yōu)越性在于能將用戶的定制信息整合到挖掘過程中，以一種友好的方式引入約束，使挖掘出更加符合用戶需要的信息，并且提高了挖掘的效率和有效性。

2.1目標(biāo)數(shù)據(jù)庫(kù)的確定

數(shù)據(jù)挖掘應(yīng)熟悉對(duì)象的背景知識(shí)，明確挖掘的目標(biāo)，根據(jù)目標(biāo)確定相關(guān)數(shù)據(jù)，以此作為目標(biāo)數(shù)據(jù)庫(kù)，來完成對(duì)數(shù)據(jù)的預(yù)處理、挖掘和規(guī)則評(píng)價(jià)。

2.2交互式關(guān)聯(lián)規(guī)則挖掘算法

表示A成立則B成立，其中給出了可信度C和支持度S。可信度C是對(duì)關(guān)聯(lián)規(guī)則準(zhǔn)確度的衡量，即在出現(xiàn)A的情況下出現(xiàn)B的概率；支持度S是對(duì)關(guān)聯(lián)規(guī)則重要性的衡量，即A和B同時(shí)出現(xiàn)的概率。

3熔煉機(jī)組數(shù)據(jù)挖掘的實(shí)現(xiàn)

本文采用的是冀某工廠于2013年5月運(yùn)行的數(shù)據(jù)，采樣頻率為2~3秒/次，采樣模式為實(shí)時(shí)監(jiān)測(cè)值，得到7595組數(shù)據(jù)。在分析階段，對(duì)影響機(jī)組的主要可控參數(shù)進(jìn)行了提取及預(yù)處理，參數(shù)主要包括：轉(zhuǎn)速、有功功率、主蒸汽壓力、調(diào)節(jié)級(jí)壓力、中壓缸排汽壓力。以機(jī)組轉(zhuǎn)速設(shè)計(jì)值為3600r/min為例來分析。對(duì)各個(gè)可控參數(shù)數(shù)據(jù)進(jìn)行曲線化處理，作為分析它們之間的關(guān)聯(lián)規(guī)則的數(shù)據(jù)表。上述關(guān)聯(lián)規(guī)則表示，在三種負(fù)荷工況下，工廠熔煉機(jī)組有功功率與主蒸汽壓力、調(diào)節(jié)級(jí)壓力、中壓缸排汽壓力三者之間最優(yōu)變化區(qū)間的關(guān)聯(lián)。經(jīng)分析，在機(jī)組中應(yīng)用關(guān)聯(lián)規(guī)則的數(shù)據(jù)挖掘技術(shù)與傳統(tǒng)方法相比，優(yōu)點(diǎn)是其可以對(duì)不同的可測(cè)參數(shù)進(jìn)行挖掘，方法簡(jiǎn)單有效、可操作性強(qiáng)；運(yùn)用關(guān)聯(lián)規(guī)則進(jìn)行挖掘，對(duì)過程能夠較靈活控制，處理后的目標(biāo)值直觀，便于操作指導(dǎo)和提高運(yùn)行效率。

上一篇: 開業(yè)申請(qǐng)書下一篇: 銀行柜員轉(zhuǎn)正總結(jié)