关于遍历算法的研究与应用的论文

数据挖掘的算法及技术的应用的研究论文

摘要： 数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中发现隐含的、规律性的、人们事先未知的, 但又是潜在有用的并且最终可被理解的信息和知识的非平凡过程。任何有数据管理和知识发现需求的地方都可以借助数据挖掘技术来解决问题。本文对数据挖掘的算法以及数据挖掘技术的应用展开研究, 论文对数据挖掘技术的应用做了有益的研究。

关键词： 数据挖掘; 技术; 应用;

引言: 数据挖掘技术是人们长期对数据库技术进行研究和开发的结果。起初各种商业数据是存储在计算机的数据库中的, 然后发展到可对数据库进行查询和访问, 进而发展到对数据库的即时遍历。数据挖掘使数据库技术进入了一个更高级的阶段, 它不仅能对过去的数据进行查询和遍历, 并且能够找出过去数据之间的潜在联系, 从而促进信息的传递。

一、数据挖掘概述

数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中发现隐含的、规律性的、人们事先未知的, 但又是潜在有用的并且最终可被理解的信息和知识的非平凡过程。

二、数据挖掘的基本过程

(1) 数据选择:选择与目标相关的数据进行数据挖掘。根据不同的数据挖掘目标, 对数据进行处理, 不仅可以排除不必要的数据干扰, 还可以极大地提高数据挖掘的效率。 (2) 数据预处理:主要进行数据清理、数据集成和变换、数据归约、离散化和概念分层生成。 (3) 模式发现:从数据中发现用户感兴趣的模式的过程.是知识发现的主要的处理过程。 (4) 模式评估:通过某种度量得出真正代表知识的模式。一般来说企业进行数据挖掘主要遵循以下流程——准备数据, 即收集数据并进行积累, 此时企业就需要知道其所需要的是什么样的数据, 并通过分类、编辑、清洗、预处理得到客观明确的目标数据。数据挖掘这是最为关键的步骤, 主要是针对预处理后的数据进行进一步的挖掘, 取得更加客观准确的数据, 方能引入决策之中, 不同的企业可能采取的数据挖掘技术不同, 但在当前来看暂时脱离不了上述的挖掘方法。当然随着技术的进步, 大数据必定会进一步成为企业的立身之本, 在当前已经在很多领域得以应用。如市场营销, 这是数据挖掘应用最早的领域, 旨在挖掘用户消费习惯, 分析用户消费特征进而进行精准营销。就以令人深恶痛绝的弹窗广告来说, 当消费者有网购习惯并在网络上搜索喜爱的产品, 当再一次进行搜索时, 就会弹出很多针对消费者消费习惯的商品。

三、数据挖掘方法

1、聚集发现。

聚集是把整个数据库分成不同的群组。它的目的是要群与群之间差别很明显.而同一个群之间的数据尽量相似.聚集在电子商务上的典型应用是帮助市场分析人员从客户基本库中发现不同的客户群, 并且用购买模式来刻画不同客户群的特征。此外聚类分析可以作为其它算法 (如特征和分类等) 的预处理步骤, 这些算法再在生成的簇上进行处理。与分类不同, 在开始聚集之前你不知道要把数据分成几组, 也不知道怎么分 (依照哪几个变量) .因此在聚集之后要有一个对业务很熟悉的人来解释这样分群的意义。很多情况下一次聚集你得到的分群对你的业务来说可能并不好, 这时你需要删除或增加变量以影响分群的方式, 经过几次反复之后才能最终得到一个理想的结果.聚类方法主要有两类, 包括统计方法和神经网络方法.自组织神经网络方法和K-均值是比较常用的`聚集算法。

2、决策树。

这在解决归类与预测上能力极强, 通过一系列的问题组成法则并表达出来, 然后经过不断询问问题导出所需的结果。典型的决策树顶端是一个树根, 底部拥有许多树叶, 记录分解成不同的子集, 每个子集可能包含一个简单法则。

四、数据挖掘的应用领域

市场营销

市场销售数据采掘在销售业上的应用可分为两类:数据库销售和篮子数据分析。前者的任务是通过交互式查询、数据分割和模型预测等方法来选择潜在的顾客以便向它们推销产品, 而不是像以前那样盲目地选择顾客推销;后者的任务是分析市场销售数据以识别顾客的购买行为模式, 从而帮助确定商店货架的布局排放以促销某些商品。

金融投资

典型的金融分析领域有投资评估和股票交易市场预测, 分析方法一般采用模型预测法。这方面的系统有Fidelity Stock Selector, LBS Capital Management。前者的任务是使用神经网络模型选择投资, 后者则使用了专家系统、神经网络和基因算法技术辅助管理多达6亿美元的有价证券。

结论:数据挖掘是一种新兴的智能信息处理技术。随着相关信息技术的迅猛发展, 数据挖掘的应用领域不断地拓宽和深入, 特别是在电信、军事、生物工程和商业智能等方面的应用将成为新的研究热点。同时, 数据挖掘应用也面临着许多技术上的挑战, 如何对复杂类型的数据进行挖掘, 数据挖掘与数据库、数据仓库和Web技术等技术的集成问题, 以及数据挖掘的可视化和数据质量等问题都有待于进一步研究和探索。

参考文献

[1]孟强, 李海晨.Web数据挖掘技术及应用研究[J].电脑与信息技术, 2017, 25 (1) :59-62.

[2]高海峰.智能交通系统中数据挖掘技术的应用研究[J].数字技术与应用, 2016 (5) :108-108.

Pick toGraph is a kind of complex data structure, the relationship between the nodes can be arbitrarily, between any two elements in May, and in many applications are used widely. The graph theory is the study of the knowledge map is a subject, a powerful tool for many practical problems, and realize the traversal graph theory is one of the basic questions, this is also the paper to paper briefly introduces the development course of graph theory and application, Then it analyses the graph depth-first and breadth-first traversing algorithm, On this basis, using C language in to realize the development environment of Tc graph traversing algorithm of two kinds of main contents include: 1) from the keyboard input figure of vertex and edge, or a graph randomly generated, 2) using a 2d array to store the adjacency matrix, and the figure shows the adjacency matrix in computer screen, 3) using depth-first traversing algorithm or breadth-first traversing algorithm corresponding vertex traverse sequence, then use graphics functions traverse graphical : graph, Depth-first traversal, Breadth-first traversal, The adjacency matrix,

Abstract the chart is one kind of complex construction of data, between its node's relations may be random, in the chart between the random two elements possibly is related, thus obtains the widespread application in many application domains. The graph theory is studies the chart related knowledge a knowledge, is solves many actual problem powerful tools, the chart traversal and realizes is one of graph theory basic questions, this is also precisely the question which this article needs to study. this article first briefly introduced the graph theory development process and the application; Then analyzed the chart depth first first traversal the algorithm with the breadth; Based on this, used the C language to realize Figure two kind of traversal algorithm programming in the Win-Tc development environment to realize. mainly realizes the content includes: 1) inputs the chart from the keyboard the apex and side, or produces a chart stochastically, 2) uses the two-dimension array to save the chart the adjacent matrix, and the adjacent matrix demonstration in the computer screen, 3) first traversal using the depth the algorithm or the breadth first traversal the algorithm to extract the corresponding apex traversal order, then the use cartography function carries on the traversal order the presente in figures and diagrams demonstration. key word: Graph theory; The depth first traversal; The breadth first traversal; Adjacent matrix;

树有很多应用，流行的用法之一是包括 UNIX、VAX/VMS 和 DOS 在内的许多常用操作系统中的目录结构。 假设我们有一个根目录 A，A 目录下有一个目录 B，B 目录下有一个目录 C，C 目录下有一个文件 D。此时，文件 D 的全路径名就为 A/B/C/D，其中，每一个 “/” 后的每一个 “/”在树中都表示一条边，这个分级文件系统非常流行，因为它能够使得用户逻辑地组织数据。不仅如此，在不同目录下的两个文件还可以享有相同的名字，因为他们必然有从根开始的不同的路径从而具有不同的路径名。在 UNIX 文件系统中的目录就是含有它的所有儿子的一个文件。（在 UNIX 文件系统中的每个目录还有一项指向该目录本身以及另一项指向该目录的父目录。因此，严格说来，UNIX 文件系统不是树，而是类树（treelike）。） 假设我们想要列出目录中所文件中所有文件的名字。我们的输出格式将是：深度为 的文件的名字被 次跳格(tab) 锁进后打印出来。 算法的核心为递归程序 ListDir。为了显示根时不进行锁进，该例程需要从目录名和深度 0 开始。这里的深度是一个内部薄记变量，而不是主调例程能够期望知道的那种参数。因此，驱动例程 ListDirectory 用于将递归例程和外界连接起来。 算法的逻辑简单易懂。ListDir 的参数是到树中的某种引用。只要引用合理，则引用涉及的名字在进行适当次数的跳格锁进后被打印出来。如果是一个目录，那么我们递归地一个一个地处理它所有的儿子。这些儿子出在一个深度上，因此需要锁进一段附加的空格。 这种遍历的策略叫做先序遍历（preorder traversal）。在先序遍历中，对节点的处理工作是在它的诸儿子节点被处理之前进行的。当程序运行时，每个父节点恰好最多只执行一次，因为每个名字只输出一次。不仅如此，对于每个节点的每一个儿子节点最多只能执行一次。在遍历过程中，每个 for 循环终止在 NULL 指针上，但每个节点最多有一个这样的指针。因此，每个节点总的工作量是常数。如果有 N 个文件名需要输出，则运行时间就是 O(N)。 另一种遍历树的方法是后序遍历（postorder traversal）。在后序遍历中，在一个节点处的工作是在它的诸儿子节点被计算后进行的。 由于目录本身也是文件，因此它们也有大小。设我们想要计算被该树所有文件占用的磁盘区块的总数。最自然的做法是找出含有子目录中的块的个数。于是，磁盘块的总数就是子目录中的块的总数加上该目录使用的一个块。 如果不是一个目录，那么 SizeDirectory 只返回所占用的块数。否则，将被占用的块数与其所有子节点（递归地）发现的块数相加。