关键词：大数据；数据挖掘技术；应用
随着当前大数据时代的发展， 信息技术的应用价值越来越突出!在很多领域都表现出了极强的应用价值，为了更好凸显大数据时代的效益，必然需要加大对于大数据相关数据信息的充分运用。基于大数据相关技术的应用和落实，针对各类数据信息进行充分挖掘是比较关键的条件， 只有利用数据挖掘技术实现对于繁杂数据信息的有效挖掘!才能够提升其应用效益，为此数据挖掘技术应该作为未来大数据时代发展中比较关键的一环。
1大数据及大数据挖掘技术的含义
1.1 大数据的含义
大数据时代是目前正在发展且逐渐完善的时代，大数据是承载着众多信息的载体，通过对大数据的研究，可以了解掌握各种有价值的信息，大数据是互联网时代的基础，是不可动摇的根基，通过对大数据特点的分析，可以为日后对各行各业信息的掌握提供参考。大数据有着众多的特点，其中有几个较为特色鲜明的特点：
（1）大量化。大量化指的就是数据的量较为庞大，几乎囊括所有信息，这样，获取较为有价值的信息就会异常艰难，犹如大海捞针，所以在后文将会提到数据挖掘技术，主要是针对大数据的大量化特点找出相应的技术支持。
（2）多样性。所谓多样性是指其涉及信息的种类多样，并非指的是单纯的数量，其中包括信息的表达方式多样等等，多样性充分展现出大数据值得挖掘和探索的价值，通过对其进行深刻的研究，可以找到需要的各种信息。
（3）快速化。这是互联网时代的优点同样也是大数据时代的特点，快速化指的是寻找有价值信息的过程并非繁琐且需要长时间等待的，而是能够很快找到相匹配的结果。快速化使得大数据的特征更为明显，研究更为有意义。
1.2数据挖掘技术的含义
所谓数据挖掘技术就犹如表面展现的那样，是从各种大量的信息中快速找到有用或者有价值的信息，以便更好地完成寻找数据的过程；还有在数据进行模糊表达或者数据呈现的含义不清时，对数据进行深层次的剖析，以便完全掌握数据想要表达的内容的过程；同时，就找到的各种信息进行分析综合，直接找到数据想要表达的含义。它属于一种新型的数据处理技术，通过数据的处理实现对信息的掌握。数据挖掘技术的特点为循环往复，及对使用的数据进行多次反复地分析，以便寻找到数据在某一层面有着更为深刻的含义。多次反复分析是数据挖掘的基本，不能丢掉每个有价值的信息是数据挖掘技术的根本，也是其宗旨。
2数据挖掘技术分析方法
2.1聚类
聚类分析是根据在数据中发现的描述对象及其关系的信息，将数据对象分组。目的是组内的对象相互之间是相似的 (相关的)，而不同组中的对象是不同的(不相关的)。组内相似性越大， 组间差距越大， 说明聚类效果越好。 通过各种数据关联性来寻找有用的数据。该方法通过顾客分类和背景分析顾客的需求并进行事先准备。它被广泛用于销售、 心理学、 医学等领域的数据识别。
期刊文章分类查询,尽在期刊图书馆
2.2分类和预测
分类主要是预测分类标号(基于离散属性的)，而预测是建立连续值函数模型，预测给定自变量对应的因变量的值。该方法的优点在于，数据项目的需求可以通过某些数据特征而被反映出来。该方法可以用于顾客购买动向分析。它是数据累积越多就越有价值并且连续存储的函数模型。
2.3相关分析
相关分析，简单地说就是衡量两个数值型变量的相关性，以及计算相关程度的大小。这种方法可以从交易数据中寻找不同商品的相关性，防比交易中发生的问题，不断改善产品，找到市场影响因素以最大化利益。
2.4特征分析方法
特征分析方法，从数据库内依据客户类别提取特征数据，明确数据的整体特征，找出客户流失的原因，采取与之对应的对策留住客户。
3大数据时代数据挖掘技术的改进措施
3.1 多媒体数据的应用与发展
所谓多媒体技术指的是包含图片、文字、音乐等内容的在电脑中呈现的技术，此项技术可以更加高效快速方便地对内容进行理解，掌握该了解与掌握的信息，多媒体技术同样也是互联网技术的相关应用，通过将多媒体与大数据挖掘技术节能型结合，方便信息的呈现，大数据主要是指信息的呈现方式，数据挖掘针对模糊信息进行深度挖掘，多媒体是信息承载者，通过两者的结合，将会提升信息的处理速度和信息传达的速度，不失为一个极为有效的方式。多媒体数据的发展将会对教育行业有着前所未有的帮助，目前教育行业只有两者分离的模式，主要是运用多媒体技术进行内容的呈现，帮助师生进行沟通理解，数据挖掘主要是就师生等相关信息进行综合分类处理，两者的结合将会有效增强想要达到的效果，不失为值得改进的方式。
3.2改进数据挖掘的算法
大数据进行挖掘靠的是计算机的算法，通过一步一步进行算法的演进，从而得到信息的根本含义。然而，原有的算法肯定会产生一系列的问题，例如，算法的过程不够简练，需要进行长时间的演算，算法能够得到信息的准确度降低等等情况，这时，对于算法的研究就要提上日程。算法的演进要根据时代的特征，找到时代发展的特点逐步发展出相应的符合大数据时代特征的算法。同时，算法也会在众多的数据中进行有效的挖掘，不会造成挖掘过程中数据的丢失或者难以保证数据的准确程度，算法的改进将会极大促进信息的发展，是极为不错的一项使用举措。
3.3 数据挖掘技术与其他系统的综合运用
对于数据的挖掘，不只是一种计算机的模式和方法可以完成的，需要使用多种有效的方法和模式进行综合运用。如在科研行业，要将大量的信息分类处理并保证信息的准确度就是一项不小的挑战，在这个过程中，应该尽力保证数据挖掘技术的使用准确性，同时，也应该尽可能地将其他的技术模式与其综合，综合使用可以使得信息处理的结果准确性更高，并且处理时间更短，有着较为重要的作用，像上文提到的举措中的多媒体数据就算其中的一种。然而，数据挖掘技术与其他系统的综合运用是目前并未实现的难题，需要进行专业人员的培训，经历一段艰难的历程从而实现。
参考文献：
[1]大数据背景下数据挖掘技术在公安侦查中的应用[J]. 王玉清.??科技传播.?2019(02)
[2]大数据下数据挖掘技术的应用研究[J]. 张艺馨.??数字技术与应用.?2019(03)
[3]数据挖掘技术及应用[J]. 李明敏,李玉壮,钟佰霖,任利峰.??产业与科技论坛.?2019(09)
[4]浅析大数据时代的数据挖掘技术与应用[J]. 周凌.??中小企业管理与科技(下旬刊).?2018(05)
[5]大数据时代下数据挖掘在银行中的应用[J]. 段萍.??科技经济导刊.?2017(06)
[6]数据挖掘技术在民生领域中的应用[J]. 沈俭.??微型电脑应用.?2017(10)
[7]基于应用角度分析大数据挖掘技术的实用性[J]. 宋化军.??数字通信世界.?2017(09)
[8]大数据时代的数据挖掘技术与应用[J]. 唐雅璇,李丽娟,吴芬琳.??电子技术与软件工程.?2017(21)
论文作者:李钰
论文发表刊物:《科学与技术》2019年第16期
论文发表时间:2020/1/2
标签：数据论文; 数据挖掘论文; 技术论文; 信息论文; 时代论文; 算法论文; 有价值论文; 《科学与技术》2019年第16期论文;