基于www的聚类引擎研究论文

基于www的聚类引擎研究论文

论文取题范围尽量不要太泛，在中国知网，中国期刊全文两个网站上至少参考10篇资料文献引用注明在论文中

相信不少信息管理学院的大学生都有和我一样的烦恼，写毕业论文就不知道如何定题，以下为我写毕业论文时整理的一些信息管理毕业论文题目。 "基于C/S架构的信息系统开发" "基于B/S架构的信息系统开发" "基于B/S的系统分析与设计" "基于C/S的系统分析与设计" "基于OLAP的多维数据模型的研究与应用" "中小企业网络营销研究" "比较购物搜索引擎研究与实验" "元搜索引擎研究与实现" "电子商务和营销策略研究" "电子商务对传统商业的挑战与对策" "电子商务网站个性化推荐系统研究" "聚类分析在金融领域的应用" "聚类分析在国际贸易领域的应用" "基于Web Service 供应链管理的宁波大学网络超市" "基于自动推荐的北高教圆区网上跳蚤市场" "中小型外贸企业定单管理系统" "面向宁波中小型企业的信息挖掘研究" "贝叶斯网络在企业危机信息管理中的应用研究" "不确定性推理在国际贸易决策中的应用研究" "P2P在电子商务中的应用" "基于循环经济模式生态工业圆规划研 "数字人证技术在电子商务中的研究" "电子商务模式与创新研究" "基于B/S的校园规划综合查询系统" "面向网络产品的聚合和分解研究" "面向通讯产品的聚合和分解研究" "网络团购的经济学研究" "网络团购的管理学研究" "标杆管理及其标杆识别方法(主成法/DEA法)" "面向民营企业的研究发展效率研究" "信息咨询业知识资产管理模式研究" "信息咨询市场运行机制研究" "企业危机信息管理评价指标体系研究" "企业危机知识管理框架构建研究" "浅析博客营销在网络营销中的作用" "WEB 与互联网的发展初探" "宁波物流配货网的设计与开发" "基于B/S系统的设计与应用" "宁波装饰行业门户网设计" "宁波汽配行业生产排程设计优化" "宁波市大学生岗前培训网建设" "协同商务研究与实践" "药品进销存系统分析与设计" "构建"数字宁波"的对策研究" "主要地区城镇居民信息消费的比较研究" "信息消费对经济增长的影响分析――以宁波为例" "国内外高校信息管理人才培养模式的比较" "公共信息资源管理中存在的问题和对策" "宁波与国内外中心城市在信息化发展水平和趋势上的比较研究和SWOT分析" ""十一五"期间宁波发展"电子商务",推动物流,企业,通关等信息化研究" "政府CIO制度研究" "基于的B/S系统开发" "C/S系统开发" "电子商务中信息不对称的研究" "基于XML的电子商务系统集成研究" "投资项目经济评价及决策过程研究" "宁波市经济发展预测" "我国(宁波市)居民预防性储蓄的实证研究" "在校大学生消费行为研究" "股票市场有效性分析" "国内外期货市场价格间的影响分析" "宁波中小企业的第三方电子商务平台营销策略" "电子商务支付方式与第三方支付平台" "宁波中小企业的特点及其电子商务营销模式选择" "网络营销新的营销模式(如网游营销,博客营销等)的发展与分析" "宁波中小企业信管人才需求及其对学校培养模式的影响"

聚类分析算法论文

聚类分析又称群分析，它是研究（样品或指标）分类问题的一种统计分析方法，同时也是数据挖掘的一个重要算法。下面是我分享给大家的聚类分析算法论文，欢迎阅读。

一、引言

聚类分析算法是给定m维空间R中的n个向量，把每个向量归属到k个聚类中的某一个，使得每一个向量与其聚类中心的距离最小。聚类可以理解为：类内的相关性尽量大，类间相关性尽量小。聚类问题作为一种无指导的学习问题，目的在于通过把原来的对象集合分成相似的组或簇，来获得某种内在的数据规律。聚类分析的基本思想是：采用多变量的统计值，定量地确定相互之间的亲疏关系，考虑对象多因素的联系和主导作用，按它们亲疏差异程度，归入不同的分类中一元，使分类更具客观实际并能反映事物的内在必然联系。也就是说，聚类分析是把研究对象视作多维空间中的许多点，并合理地分成若干类，因此它是一种根据变量域之间的相似性而逐步归群成类的方法，它能客观地反映这些变量或区域之间的内在组合关系。盐矿区系统是一个多层次、复杂的大系统,涉及诸多模糊、不确定的因素。平顶山市盐矿区的经济分类是以整个平顶山市的所有盐矿区为研究对象,以各盐矿区为基本单元,以经济为中心,以发展战略和合理布局为目标进行经济类型区划。其基本原则是：平顶山市的盐矿区资源开发、利用的相对一致性；自然、经济、社会条件的一致性；保持一定行政地域单元的相对稳定性。现行的平顶山市盐矿区行政划分不能反映出各个盐矿区的共同点,有必要通过模糊聚类分析将那些经济实际状况相似的铁矿区归类，剖析、发现各况矿区的差异,对症下药，为制定发展对策提供依据。

二、建立指标体系

1、确定分类指标进行经济区划分，应考虑的指标因素是多种多样的。既要以岩盐矿资源储量为主，又要适当考虑岩盐质量和勘察阶段和开发利用状况；既要有直接指标，又要有间接指标；既要考虑矿区发展的现状，又要考虑矿区发展的过程和矿区发展的未来方向。参考有关资料，结合专家意见，我们确定了对平顶山市盐矿区进行经济区划分的指标。如表1所示。表中列举了具体指标及各指标的原始数据（数据来源于河南省2006年矿产资源储量简表）。表1盐矿区经济划分指标体系及指标数据注：表中N表示缺失数据，勘察阶段1、2、3分别表示：初步勘探、详细普查、详细勘探，利用状况1~7分别表示：近期不宜进一步工作、可供进一步工作、近期难以利用、推荐近期利用、计划近期利用、基建矿区、开采矿区。

2、转换指标数据由于不同变量之间存在不同量纲由于不同变量之间存在不同量纲、不同数量级，为使各个变量更具有可比性，有必要对数据进行转换。目前进行数据处理的方法大致有三种，即标准化、极差标准化和正规化。为便于更直观的比较各市之间同一指标的数值大小，我们采用了正规化转换方式。其计算公式为:为了方便叙述，做如下设定：设Xi(i=1，2，3，…，21)为具体指标层中第i个评价指标的值，Pi(i=1，2，3，…，21)为第i个指标正规化后的值，0≤Pi≤1，Xs,i(Xs,i=Xmax-Xmin)，为第i个评价指标的标准值，Xmax为最大值，Xmin为最小值。（1）对于越高越好的`指标①Xi≥Xmax，则Pi=1；②Xi≤Xmin，则Pi=0；③Xmin

三、聚类分析

1、聚类步骤(Stage).从1~3表示聚类的先后顺序。

2、个案合并(ClusterCombined)。表示在某步中合并的个案，如第一步中个案1叶县田庄盐矿段和个案2叶县马庄盐矿段合并，合并以后用第一项的个案号表示生成的新类。

3、相似系数(Coefficients).据聚类分析的基本原理，个案之间亲密程度最高即相似系数最接近于1的，最先合并。因此该列中的系数与第一列的聚类步骤相对应，系数值从小到大排列。

4、新类首次出现的步骤(StageClusterFirstAppears)。对应于各聚类步骤参与合并的两项中，如果有一个是新生成的类(即由两个或两个以上个案合并成的类)，则在对应列中显示出该新类在哪一步第一次生成。如第三步中该栏第一列显示值为1，表示进行合并的两项中第一项是在第一步第一次生成的新类。如果值为O，则表示对应项还是个案(不是新类)。

5、新类下次出现步骤(NextStage)。表示对应步骤生成的新类将在第几步与其他个案或新类合并。如第一行的值是11，表示第一步聚类生成的新类将在第11步与其他个案或新类合并。

6、解析图DendrogramusingAverageLinkage(BetweenGroups)RescaledDistanceClusterCombine聚类树状图（方法：组间平均连接法）图清晰的显示了聚类的全过程。他将实际距离按比例调整到0~25之间，用逐级连线的方式连接性质相近的个案或新类，直至并未一类。在该图上部的距离标尺上根据需要(粗分或细分)选定一个划分类的距离值，然后垂直标尺划线，该垂线将与水平连线相交，则相交的交点数即为分类的类别数，相交水平连线所对应的个案聚成一类。例如，选标尺值为5，则聚为3类：叶县田庄盐段、叶县马庄盐矿段为一类，叶县娄庄盐矿、叶县五里堡盐矿段为一类，叶县姚寨盐矿为一类。若选标尺值为10，则聚为2类：叶县田庄盐段、叶县马庄盐矿段为一类，叶县娄庄盐矿、叶县五里堡盐矿段、叶县姚寨盐矿为一类。

四、结论

对平顶山市5个盐矿区进行经济区划分，究竟划分为几个区合适，既不是越多越好，也不是越少越好。划分经济区的目的，就是要根据各盐矿经济区资源特点、勘察、开发的不同，分类指导经济活动，使人们的经济活动更加符合当地的实际，使各经济区能充分发挥各自的优势，做到扬长避短，趋利避害，达到投人少、产出多，创造良好的经济效益和社会效益之目的。分区太多，就失去了分区的意义，分区太少，则分类指导很难做到有的放矢。综合以上聚类分析结果，我们可以得出三个方案。其中两个方案比较合适,可供选择。方案一：（当比例尺为5时，分为3类）叶县田庄盐段、叶县马庄盐矿段为一类，叶县娄庄盐矿、叶县五里堡盐矿段为一类，叶县姚寨盐矿为一类。从聚类分析中看出平顶山市盐矿区分类图方案一。方案二：(当比例尺为10时，分为2类）叶县田庄盐段、叶县马庄盐矿段为一类，叶县娄庄盐矿、叶县五里堡盐矿段、叶县姚寨盐矿为一类。从聚类分析中看出平顶山市盐矿区分类图方案二。平顶山市盐矿区分类图方案2聚类分析的原理就是将矿石质量、资源储量、勘查阶段、利用状况相近或相类似的矿区聚合在一起，其分析结果也是直观易见的。在此结合平顶山市实际行政区划以及矿山企业特征我们对铁矿区划分做一个调整使其理论与实际能够结合的更紧密使其更好的指导实践。

1、叶县田庄盐段、叶县马庄盐矿段为一类，这一类属于矿床规模相当，资源储量接近，勘查开发阶段接近，利用程度相当，故，可以分为一类。

2、叶县娄庄盐矿、叶县五里堡盐矿段为一类，这一类属于勘查开发阶段处于同一阶段。

3、叶县姚寨盐矿为一类，这一类属于储量较高，盐矿品位较高，故其勘察开采规划有别于其它两类。总的说来，运用聚类分析是基本成功的，大部分的分类是符合实际的。综合以上论述盐矿区划分如下表所示：当然聚类分析有其优点也有其缺点：(1)优点：聚类分析模型的优点就是直观，结论形式简明。(2)缺点：在样本量较大时，要获得聚类结论有一定困难。由于相似系数是根据被试的反映来建立反映被试问内在联系的指标，而实践中有时尽管从被试反映所得出的数据中发现他们之间有紧密的关系，但事物之间却无任何内在联系，此时，如果根据距离或相似系数得出聚类分析的结果，显然是不适当的，但是，聚类分析模型本身却无法识别这类错误。

基于聚类异常检测的论文研究

一、基本概念 异常对象被称作离群点。异常检测也称偏差检测和例外挖掘。 常见的异常成因：数据来源于不同的类（异常对象来自于一个与大多数数据对象源（类）不同的源（类）的思想），自然变异，以及数据测量或收集误差。 异常检测的方法： （1）基于模型的技术：首先建立一个数据模型，异常是那些同模型不能完美拟合的对象；如果模型是簇的集合，则异常是不显著属于任何簇的对象；在使用回归模型时，异常是相对远离预测值的对象。 （2）基于邻近度的技术：通常可以在对象之间定义邻近性度量，异常对象是那些远离其他对象的对象。 （3）基于密度的技术：仅当一个点的局部密度显著低于它的大部分近邻时才将其分类为离群点。二、异常点检测的方法 1、统计方法检测离群点 统计学方法是基于模型的方法，即为数据创建一个模型，并且根据对象拟合模型的情况来评估它们。大部分用于离群点检测的统计学方法都是构建一个概率分布模型，并考虑对象有多大可能符合该模型。离群点的概率定义：离群点是一个对象，关于数据的概率分布模型，它具有低概率。这种情况的前提是必须知道数据集服从什么分布，如果估计错误就造成了重尾分布。异常检测的混合模型方法：对于异常检测，数据用两个分布的混合模型建模，一个分布为普通数据，而另一个为离群点。 聚类和异常检测目标都是估计分布的参数，以最大化数据的总似然（概率）。聚类时，使用EM算法估计每个概率分布的参数。然而，这里提供的异常检测技术使用一种更简单的方法。初始时将所有对象放入普通对象集，而异常对象集为空。然后，用一个迭代过程将对象从普通集转移到异常集，只要该转移能提高数据的总似然（其实等价于把在正常对象的分布下具有低概率的对象分类为离群点）。（假设异常对象属于均匀分布）。异常对象由这样一些对象组成，这些对象在均匀分布下比在正常分布下具有显著较高的概率。 优缺点：（1）有坚实的统计学理论基础，当存在充分的数据和所用的检验类型的知识时，这些检验可能非常有效；（2）对于多元数据，可用的选择少一些，并且对于高维数据，这些检测可能性很差。 2、基于邻近度的离群点检测。 一个对象是异常的，如果它远离大部分点。这种方法比统计学方法更一般、更容易使用，因为确定数据集的有意义的邻近性度量比确定它的统计分布更容易。一个对象的离群点得分由到它的k-最近邻的距离给定。离群点得分对k的取值高度敏感。如果k太小（例如1），则少量的邻近离群点可能导致较低的离群点得分；如果k太大，则点数少于k的簇中所有的对象可能都成了离群点。为了使该方案对于k的选取更具有鲁棒性，可以使用k个最近邻的平均距离。 优缺点：（1）简单；（2）缺点：基于邻近度的方法需要O(m^2)时间，大数据集不适用；（3）该方法对参数的选择也是敏感的；（4）不能处理具有不同密度区域的数据集，因为它使用全局阈值，不能考虑这种密度的变化。 3、基于密度的离群点检测。 从基于密度的观点来说，离群点是在低密度区域中的对象。一个对象的离群点得分是该对象周围密度的逆。基于密度的离群点检测与基于邻近度的离群点检测密切相关，因为密度通常用邻近度定义。一种常用的定义密度的方法是，定义密度为到k个最近邻的平均距离的倒数。如果该距离小，则密度高，反之亦然。另一种密度定义是使用DBSCAN聚类算法使用的密度定义，即一个对象周围的密度等于该对象指定距离d内对象的个数。需要小心的选择d，如果d太小，则许多正常点可能具有低密度，从而具有高离群点得分。如果d太大，则许多离群点可能具有与正常点类似的密度（和离群点得分）。使用任何密度定义检测离群点具有与基于邻近度的离群点方案类似的特点和局限性。特殊地，当数据包含不同密度的区域时，它们不能正确的识别离群点。 为了正确的识别这种数据集中的离群点，我们需要与对象邻域相关的密度概念，也就是定义相对密度。常见的有两种方法：（1）使用基于SNN密度的聚类算法使用的方法；（2）用点x的密度与它的最近邻y的平均密度之比作为相对密度。使用相对密度的离群点检测（局部离群点要素LOF技术）：首先，对于指定的近邻个数（k），基于对象的最近邻计算对象的密度density(x,k) ，由此计算每个对象的离群点得分；然后，计算点的邻近平均密度，并使用它们计算点的平均相对密度。这个量指示x是否在比它的近邻更稠密或更稀疏的邻域内，并取作x的离群点得分（这个是建立在上面的离群点得分基础上的）。 优缺点： （1）给出了对象是离群点的定量度量，并且即使数据具有不同的区域也能够很好的处理； （2）与基于距离的方法一样，这些方法必然具有O(m2)的时间复杂度。对于低维数据使用特定的数据结构可以达到O(mlogm)； （3）参数选择是困难的。虽然LOF算法通过观察不同的k值，然后取得最大离群点得分来处理该问题，但是，仍然需要选择这些值的上下界。 4、基于聚类的技术 一种利用聚类检测离群点的方法是丢弃远离其他簇的小簇。这个方法可以和其他任何聚类技术一起使用，但是需要最小簇大小和小簇与其他簇之间距离的阈值。这种方案对簇个数的选择高度敏感。使用这个方案很难将离群点得分附加到对象上。一种更系统的方法，首先聚类所有对象，然后评估对象属于簇的程度（离群点得分）（基于原型的聚类可用离中心点的距离来评估，对具有目标函数的聚类技术该得分反映删除对象后目标函数的改进（这个可能是计算密集的））。基于聚类的离群点：一个对象是基于聚类的离群点，如果该对象不强属于任何簇。离群点对初始聚类的影响：如果通过聚类检测离群点，则由于离群点影响聚类，存在一个问题：结构是否有效。为了处理该问题，可以使用如下方法：对象聚类，删除离群点，对象再次聚类（这个不能保证产生最优结果）。还有一种更复杂的方法：取一组不能很好的拟合任何簇的特殊对象，这组对象代表潜在的离群点。随着聚类过程的进展，簇在变化。不再强属于任何簇的对象被添加到潜在的离群点集合；而当前在该集合中的对象被测试，如果它现在强属于一个簇，就可以将它从潜在的离群点集合中移除。聚类过程结束时还留在该集合中的点被分类为离群点（这种方法也不能保证产生最优解，甚至不比前面的简单算法好，在使用相对距离计算离群点得分时，这个问题特别严重）。 对象是否被认为是离群点可能依赖于簇的个数（如k很大时的噪声簇）。该问题也没有简单的答案。一种策略是对于不同的簇个数重复该分析。另一种方法是找出大量小簇，其想法是（1）较小的簇倾向于更加凝聚，（2）如果存在大量小簇时一个对象是离群点，则它多半是一个真正的离群点。不利的一面是一组离群点可能形成小簇而逃避检测。 优缺点： （1）基于线性和接近线性复杂度（k均值）的聚类技术来发现离群点可能是高度有效的； （2）簇的定义通常是离群点的补，因此可能同时发现簇和离群点； （3） 产生的离群点集和它们的得分可能非常依赖所用的簇的个数和数据中离群点的存在性； （4）聚类算法产生的簇的质量对该算法产生的离群点的质量影响非常大。新颖性和离群值检测 离群值检测：训练数据包含离群值，即与其他观测值相距甚远的观测值。离群检测估计器会尝试拟合训练数据最集中的区域，忽略异常观察。 新颖性检测：训练数据不受异常值的污染，有兴趣检测新观察值是否是异常值。该情况下离群值也称为新颖性。 离群值检测和新颖性检测均用于异常检测，离群值检测称为无监督异常检测，新颖性检测称为半监督异常检测。离群值检测的情况下，离群值/异常不能形成密集的群集，可假设离群值/异常位于低密度区域；新颖性检测的情况下，只要新颖性/异常位于训练数据的低密度区域，就可以形成密集的簇。 通过对玩具数据集进行异常检测比较异常检测算法 数据集中包含一种或两种模式（高密度区域），以说明算法处理多模式数据的能力。 对于每个数据集，将生成15%的样本作为随机均匀噪声。该比例是OneClassSVM的nu参数和其他异常值检测算法的污染参数提供的值。离群值之间的决策边界以黑色显示，但是LOF除外，因为当采用LOF用于离群值检测时，没有适用于新数据的预测方法。 OneClassSVM对异常值敏感，对异常值检测执行的不好。当训练集不受异常值污染时，此估计器最适合新颖性检测。即不适用在高维中进行离群值检测或者不对基础数据的分布进行任何假设，OneClassSVM在这些情况下可能会根据其超参数给出有用的结果。 covariance EllipticEnvelope（协方差椭圆密度）假定数据是高斯分布并学习一个椭圆。在数据不是单峰时，会退化。此估计器对异常值具有鲁棒性。 IsolationFrorest和LocalOutlierFactor针对多模式数据集效果显著。LOF针对第三种数据集，明显优于其它三种估计器，该数据集中两种模式的密度不同。LOF的局部方面，即它仅将一个样本的异常评分与其邻居评分作比较，从何体现了该方法的优势。 针对最后一个均匀分布在超立方体中的数据集，很难说一个样本比另一个样本异常得多。除了OneClassSVM有些过拟合外，所有估计器都针对该情况提出不错的解决方案。针对这种情况，应该仔细观察样本的异常分数，性能好的估算器应该为所有样本分配相似的分数。 使用局部离群因子（LOF）进行离群值检测 LOF算法是一种无监督的异常检测方法，可计算给定数据点相对于其邻居的局部密度偏差。其中密度远低于其邻居的样本为异常值。 LOF算法的优势在于同时考虑了数据集的局部和全局属性：即使在异常样本具有不同底层密度的数据集中，仍能保持良好性能。问题不在于样本有多孤立，而在于样本相对于周围邻域有多孤立。 通常考虑的邻居数量（1）大于群集必须包含的最小样本数量，以便其他样本可以是相对于该群集的局部离散值；（2）小于可能是局部异常值的最大进距采样数，此类消息通常不可用，采用n_neighbors=20。 具有局部异常值的新颖性检验 LOF是一种无监督的异常检测方法，可计算给定数据点相对于其邻居的局部密度偏差，密度远低于其邻居的样本为异常值。LOF用于新颖性检验时，切勿在训练集上使用预测、决定函数、实例得分，会导致结果错误。只能对新的看不见的数据（不在训练集中）使用这些方法。 通常考虑邻居数量（1）大于群集必须包含的最小样本数，以便其他样本可以是相对于该群集的局部离群值；（2）小于可能是局部异常值的最大进距采样数，此类消息通常不可用，采用n_neighbors=20。 隔离林 在高维数据集中执行异常检测的一种有效方法是使用随机森林，分离的观察通过随机选择一个函数，随机选择所选择的特征的最大值和最小值之间的分割值。递归分区可用树结构表示，隔离样本所需的拆分数量等于从根节点到终止结点的路径长度。随机树的森林中的平均路径长度是对正态性和决策函数的度量。随机分区产生的异常路径明显较短，因此如果随机树森林为特定样本生成的较短路径，则该树代表的值很可能是异常的。 OneClassSVM 无监督的离群值检测，支持高维分布，基于libsvm 不假定数据分布的任何参数形式，可以更好的对数据的复杂形状进行建模，能够捕获真实的数据结构，难点在于调整核函数宽度参数，以便在数据散布矩阵的形状和数据过度拟合的风险间取得折中。 协方差椭圆密度 用于检测高斯分布数据集中的异常值的对象 经验协方差估计（作为非稳健估计）受到观测值异质结构的高度影响；鲁棒协方差估计能够集中于数据分布的主要模式，但是它坚持假设数据是高斯分布，产生了对数据结构的某些估计，在一定程度上是准确的。HBOS单维效果极佳，但是标准差方法的mask 掩码效应严重。例如 数据通常在100以内，但是有两个异常点，500，1000000。这个算法就不能检出500这个异常点。 对比而言，孤立森林理论上更适合大数据的异常检测，且无掩码效应。孤立森林确定异常时训练只用样本数据。每颗树样本数量默认只有256个，默认只用100颗树。所以理论上25600个样本就能确定海量数据中的异常点了。 Sklearn的 isolation forest 例子默认是读入全量数据再采样。如果配上warm up 选项就能分批放入采样。 异常检测的深度学习研究综述

题目：Efficient algorithms for mining outliers from large data sets   期刊/会议：ACM SIGMOD   年份：2000   引用次数：1866   大数据异常检测。   以前的异常检测方法大多是基于统计方法，但是数据的分布往往是未知的，与假设不符。本文认可了一种异常点的定义方式，并用基于距离的方式查找异常点。   首先采用聚类的方式将数据聚成若干类，计算每个簇中样本点的k近邻距离的上下界，将距离过小的簇删除掉，以减少计算量。   首先定义异常点，首先对所有样本点计算k近邻距离，k近邻距离最大的前n个点认为是异常点。

基于聚类的图像分割方法研究论文

图像分割是图像处理与计算机视觉的基本问题之一，是图像处理图像分析的关键步骤。我整理了图像分割技术论文，欢迎阅读!

图像分割技术研究

摘要：图像分割是图像处理与计算机视觉的基本问题之一，是图像处理图像分析的关键步骤。本文介绍了基于阈值的分割方法和图像分割的图像分割性能的评价、应用现状;最后总结出图像分割的发展趋势。

关键词：图像分割、阈值、边缘检测、区域分割

中图分类号： 文献标识码： A

1引言

随着图像分割技术研究的深入，其应用日趋广泛。凡属需要对图像目标进行提取、测量的工作都离不开图像分割。图像分割是图像处理、模式识别和人工智能等多个领域中一个十分重要且又十分困难的问题，是计算机视觉技术中首要的、重要的关键步骤。图像分割结果的好坏直接影响对计算机视觉中的图像理解。现有的方法多是为特定应用设计的，有很大的针对性和局限性，到目前为止还不存在一个通用的方法，也不存在一个判断分割是否成功的客观标准。因此，对图像分割的研究目前还缺乏一个统一的理论体系，使得图像分割的研究仍然是一个极富有挑战性的课题。

2图像分割方法

图像分割(Image Segmentation)，简单地说就是将一幅数字图像分割成不同的区域，在同一区域内具有在一定的准则下可认为是相同的性质，如灰度、颜色、纹理等。而任何相邻区域之间其性质具有明显的区别。

基于灰度特征的阈值分割方法

阈值分割技术是经典的、流行的图象分割方法之一，它是用一个或几个阈值将图像的灰度级分为几个部分，认为属于同一个部分的像素是同一个物体。

这类方法主要包括以下几种：

(1)单阈值法，用一个全局阈值区分背景和目标。当一幅图像的直方图具有明显的双峰时，选择两峰之间的谷底作为阈值。

(2)双阈值法，用两个阈值区分背景和目标。通过设置两个阈值，以防单阈值设置阈值过高或过低，把目标像素误归为背景像素，或把背景像素误归为目标像素。

(3)多阈值法，当存在照明不均，突发噪声等因素或背景灰度变化较大时，整幅图像不存在合适的单一阈值，单一阈值不能兼顾图像不同区域的具体情况，这时可将图像分块处理，对每一块设一个阈值。

边缘检测分割法

基于边缘检测技术可以按照处理的顺序分为并行边缘检测和串行边缘检测两大类。常见的边缘检测方法有：差分法、模板匹配法及统计方法等。由于边缘灰度变化规律一般体现为阶梯状或者脉冲状。边缘与差分值的关系可以归纳为两种情况，其一是边缘发生在差分最大值或者最小值处;其二是边缘发生在过零处。

基于区域的分割方法

基于区域的分割方法利用的是图像的空间性质。该方法认为分割出来的某一区域具有相似的性质。常用的方法有区域生长法和区域分裂合并法。该类方法对含有复杂场景或自然景物等先验知识不足的图像进行分割，效果较好。

区域生长方法是把一幅图像分成许多小区域开始的，这些初始的小区域可能是小的邻域甚至是单个像素，在每个区域中，通过计算能反映一个物体内像素一致性的特征，作为区域合并的判断标准。区域合并的第一步是赋给每个区域一组参数，即特征。接下来对相邻区域的所有边界进行考查，如果给定边界两侧的特征值差异明显，那么这个边界很强，反之则弱。强边界允许继续存在，而弱边界被消除，相邻区域被合并。没有可以消除的弱边界时，区域合并过程结束，图像分割也就完成。

结合特定工具的图像分割技术

20世纪80年代末以来，随着一些特殊理论的出现及其成熟，如数学形态学、分形理论、模糊数学、小波分析、模式识别、遗传算法等，大量学者致力于将新的概念、新的方法用于图像分割，有效地改善了分割效果。产生了不少新的分割算法。下面对这些算法做一些简单的概括。

基于数学形态学的分割算法

分水岭算法是一种经典的借鉴了数学形态理论的分割方法。该方法中，将一幅图像比为一个具有不同高度值的地形，高灰度值处被认为是山脊，底灰度值处被认为是山谷，将一滴水从任一点流下，它会朝地势底的地方流动，最终聚于某一局部最底点，最后所有的水滴会分聚在不同的吸引盆地，由此，相应的图像就被分割成若干部分。分水岭算法具有运算简单、性能优良，能够较好提取运动对象轮廓、准确得到运动物体边缘的优点。但分割时需要梯度信息，对噪声较敏感。

基于模糊数学的分割算法

目前，模糊技术在图像分割中应用的一个显著特点就是它能和现有的许多图像分割方法相结合，形成一系列的集成模糊分割技术，例如模糊聚类、模糊阈值、模糊边缘检测技术等。

这类方法主要有广义模糊算子与模糊阈值法两种分割算法。

(1)广义模糊算子在广义模糊集合的范围内对图像处理，使真正的边缘处于较低灰度级，但还有一些不是边缘的像素点的灰度也在较低灰度级中，虽然算法的计算简明，且边缘细腻，但得到的边缘图会出现断线问题。

(2)模糊阈值法引入灰度图像的模糊数学描述，通过计算图像的模糊熵来选取图像的分割阈值，后用阈值法处理图像得到边界。

基于遗传算法的分割方法

此算法是受生物进化论思想提出的一种优化问题的解决方法，它使用参数编码集而不是参数本身，通过模拟进化，以适者生存的策略搜索函数的解空间，它是在点群中而不是在单点进行寻优。遗传算法在求解过程中使用随机转换规则而不是确定性规则来工作，它唯一需要的信息是适应值，通过对群体进行简单的复制、杂交、变异作用完成搜索过程。由于此法能进行能量函数全局最小优化搜索，且可以降低搜索空间维数，降低算法对模板初始位置的敏感，计算时间也大为减少。其缺点是容易收敛于局部最优。

基于神经网络分割算法

人工神经网络具有自组织、自学习、自适应的性能和非常强的非线性映射能力，适合解决背景知识不清楚、推理规则不明确和比较复杂的分类问题，因而也适合解决比较复杂的图像分割问题。原则上讲，大部分分割方法都可用 ANN(attificial neural network)实现。ANN 用于分割的研究起步较晚，只有多层前馈NN，多层误差反传(BP)NN，自组织NN，Hopfield NN以及满足约束的NN(CSNN-Const raint Satisfaction Neurat Network)等得到了应用。使用一个多层前向神经网络用于图象分割，输入层神经元的数目取决于输入特征数，而输出层神经元的数目等同于分类的数目。

图像分割中的其他方法

前面介绍了4大类图像分割较常用的方法，有关图像分割方法和文献很多，新方法不断产生，这些方法有的只对特定的情形有效，有的综合了几种方法，放在一起统称为第5类。

(1)标号法(labeling)是一种基于统计学的方法，这种方法将图像欲分割成的几个区域各以一个不同的标号来表示，用一定的方式对图像中的每一个像素赋以标号，标号相同的像素就合并成该标号所代表的区域。

(2)基于Snak模型的分割方法，基于Snake模型的分割是通过对能量函数的动态优化来逼近图像目标的真实轮廓的

(3)纹理分割，由于新的数学工具的引入，纹理分割技术取得了一些进展，张蓬等人将小波分析应用于纹理基元提取。

(4)基于知识的图像分割方法，直接建立在先验知识的基础上，使分割更符合实际图像的特点。该方法的难度在于知识的正确合理的表示与利用。

3图像分割性能的评价

图像分割评价主要有两个方面的内容：一是研究各分割算法在不同情况下的表现，掌握如何选择和控制其参数设置，以适应不同需要。二是分析多个分割算法在分割同一图像时的性能，比较优劣，以便在实际应用中选取合适的算法。分割评价方法分为分析法和实验法两大类。分析法是直接分析分割算法本身的原理及性能，而实验法是通过对测试图像的分割结果来评价算法的。两种方法各有优劣，由于缺乏可靠理论依据，并非所有分割算法都能够通过分析法分析其性能。每种评价方法都是出于某种考虑而提出来的，不同的评价方法只能反映分割算法性能的某一性能。另一方面，每一种分割算法的性能是由多种因素决定的，因此，有可能需要多种准则来综合评价。

4图像分割技术的发展趋势

随着神经网络、遗传算法、统计学理论、小波理论以及分形理论等在图像分割中的广泛应用，图像分割技术呈现出以下的发展趋势：(1)多种特征的融合。(2)多种分割方法的结合。(3)新理论与新方法。

参考文献

[1] [美]RC冈萨雷斯.数字图像处理(第二版)[M].阮秋琦，等译.北京：电子工业出版社，2003

[2] 章毓晋.图像分割[M].北京：科学出版社，2001.

[3] 李弼程，彭天强，彭波等.智能图像处理技术[M].北京：电子工业出版社，2004.

[4] 杨晖，曲秀杰.图像分割方法综述[J].电脑开发与应用。2005，18(3)：21-23.

点击下页还有更多>>>图像分割技术论文

简要说一下：图像分割基本原理：根据图像的组成结构和应用需求将图像划分为若干个互不相交的子区域的过程。这些子区域四某种意义下具有共同属性的像素的连通集合。常用方法有：1） 以区域为对象进行分割，以相似性原则作为分割的依据，即可根据图像的灰度、色彩、变换关系等方面的特征相似来划分图像的子区域，并将各像素划归到相应物体或区域的像素聚类方法，即区域法；2） 以物体边界为对象进行分割，通过直接确定区域间的边界来实现分割；3） 先检测边缘像素，再将边缘像素连接起来构成边界形成分割。具体的阈值分割：阈值分割方法分为以下3类:1) 全局阈值:T=T[p(x,y)〕，即仅根据f(x,y)来选取阈值，阈值仅与各个图像像素的本身性质有关。2) 局部阈值:T=T[f(x,y),p(x,y)],阈值与图像像素的本身性质和局部区域性质相关。3) 动态阈值:T=T[x,y,f(x,y),p(x,y)],阈值与像素坐标，图像像素的本身性质和局部区域性质相关。全局阈值对整幅图像仅设置一个分割阈值，通常在图像不太复杂、灰度分布较集中的情况下采用;局部阈值则将图像划分为若干个子图像，并对每个子图像设定局部阈值;动态阈值是根据空间信息和灰度信息确定。局部阈值分割法虽然能改善分割效果，但存在几个缺点:1) 每幅子图像的尺寸不能太小，否则统计出的结果无意义。2) 每幅图像的分割是任意的，如果有一幅子图像正好落在目标区域或背景区域，而根据统计结果对其进行分割，也许会产生更差的结果。3) 局部阈值法对每一幅子图像都要进行统计，速度慢，难以适应实时性的要求。全局阈值分割方法在图像处理中应用比较多，它在整幅图像内采用固定的阈值分割图像。考虑到全局阈值分割方法应用的广泛性，本文所着重讨论的就是全局阈值分割方法中的直方图双峰法和基于遗传算法的最大类间方差法。在本节中，将重点讨论灰度直方图双峰法，最大类间方差法以及基于遗传算法的最大类间方差法留待下章做继续深入地讨论。参详书目当然是《数字图像处理》，及网上的一些有用文档；工具：MATLAB或VC++

问题一：聚类分析的意义是什么 科技名词定义中文名称：聚类分析 英文名称：cluster *** ysis 定义1：按照某种距离算法对数据点分类。 应用学科：地理学（一级学科）；数量地理学（二级学科） 定义2：把观测或变量按一定规则分成组或类的数学分析方法。 应用学科：生态学（一级学科）；数学生态学（二级学工） 聚类分析指将物理或抽象对象的 *** 分组成为由类似的对象组成的多个类的分析过程。它是一种重要的人类行为。聚类分析的目标就是在相似的基础上收集数据来分类。聚类源于很多领域，包括数学，计算机科学，统计学，生物学和经济学。在不同的应用领域，很多聚类技术都得到了发展，这些技术方法被用作描述数据，衡量不同数据源间的相似性，以及把数据源分类到不同的簇中。 问题二：数据挖掘，聚类分析算法研究的目的和意义是什么！ 15分 图像分割 基本原理：根据图像的组成结构和应用需求将图像划分为若干个互不相交的子区域的过程。这些子区域四某种意义下具有共同属性的像素的连通 *** 。常用方法有： 1） 以区域为对象进行分割，以相似性原则作为分割的依据，即可根据图像的灰度、色彩、变换关系等方面的特征相似来划分图像的子区域，并将各像素划归到相应物体或区域的像素聚类方法，即区域法； 2） 以物体边界为对象进行分割，通过直接确定区域间的边界来实现分割； 3） 先检测边缘像素，再将边缘像素连接起来构成边界形成分割。 具体的阈值分割： 阈值分割方法分为以下3类: 1) 全局阈值:T=T[p(x,y)〕，即仅根据f(x,y)来选取阈值，阈值仅与各个图像像素的本身性质有关。 2) 局部阈值:T=T[f(x,y),p(x,y)],阈值与图像像素的本身性质和局部区域性质相关。 3) 动态阈值:T=T[x,y,f(x,y),p(x,y)],阈值与像素坐标，图像像素的本身性质和局部区域性质相关。 全局阈值对整幅图像仅设置一个分割阈值，通常在图像不太复杂、灰度分布较集中的情况下采用;局部阈值则将图像划分为若干个子图像，并对每个子图像设定局部阈值;动态阈值是根据空间信息和灰度信息确定。局部阈值分割法虽然能改善分割效果，但存在几个缺点: 1) 每幅子图像的尺寸不能太小，否则统计出的结果无意义。 2) 每幅图像的分割是任意的，如果有一幅子图像正好落在目标区域或背景区域，而根据统计结果对其进行分割，也许会产生更差的结果。 3) 局部阈值法对每一幅子图像都要进行统计，速度慢，难以适应实时性的要求。 全局阈值分割方法在图像处理中应用比较多，它在整幅图像内采用固定的阈值分割图像。考虑到全局阈值分割方法应用的广泛性，本文所着重讨论的就是全局阈值分割方法中的直方图双峰法和基于遗传算法的最大类间方差法。在本节中，将重点讨论灰度直方图双峰法，最大类间方差法以及基于遗传算法的最大类间方差法留待下章做继续深入地讨论。 参详《数字图像处理》工具：MATLAB或VC++ 问题三：聚类分析方法有什么好处 5分 聚类分析：将个体（样品）或者对象（变量）按相似程度（距离远近）划分类别，使得同一类中的元素之间的相似性比其他类的元素的相似性更强。目的在于使类间元素的同质性最大化和类与类间元素的异质性最大化。其主要依据是聚到同一个数据集中的样本应该彼此相似，而属于不同组的样本应该足够不相似。 常用聚类方法：系统聚类法，K-均值法，模糊聚类法，有序样品的聚类，分解法，加入法。 注意事项： 1. 系统聚类法可对变量或者记录进行分类，K-均值法只能对记录进行分类； 2. K-均值法要求分析人员事先知道样品分为多少类； 3. 对变量的多元正态性，方差齐性等要求较高。 应用领域：细分市场，消费行为划分，设计抽样方案等 优点：聚类分析模型的优点就是直观，结论形式简明。 缺点：在样本量较大时，要获得聚类结论有一定困难。由于相似系数是根据被试的反映来建立反映珐试间内在联系的指标，而实践中有时尽管从被试反映所得出的数据中发现他们之间有紧密的关系，但事物之间却无任何内在联系，此时，如果根据距离或相似系数得出聚类分析的结果，显然是不适当的，但是，聚类分析模型本身却无法识别这类错误。 问题四：聚类分析的结果分成几类，但是这几类有什么关系呢,这几类有什么含义。 5分 这个要看你是面对什么问题了，如：用聚类做财务舞弊，则会有以下几类：正常财务报表、虚增利润舞弊财务报表、关联交易财务舞弊报表等 问题五：SPSS新手求问聚类分析 聚类分析主要作用是把一些数据分成未知的几类这样理解对吗？ 系统聚类的 建议买本spss的教程，可以更加系统的学习。要是写论文的话， 可以帮忙数据 he 分析。 问题六：主成分分析法和聚类分析法的区别 问题七：如何评价spss系统聚类分析结果？ 用方差分析来判定聚类结果好坏，类与类之间是否差异性显著，呵呵~~ 问题八：聚类分析主要解决什么类型的实际问题 主要解决实现不知道类别标签的样本集的分类问题.聚类其实也是实现分类的功能.聚类和分类的区别：分类是用知道类别标签的样本集去训练一个分类器,然后用该分类器对其他未知类别的样本进行归类,由于训练分类器用到了知道类别的样本,所以属于有导师学习；聚类是完全不知道各个样本的类别,按照一定的聚类度量准则直接进行聚类,所以属于无导师的学习. 聚类可以用在图像处理,模式识别,客户信息分析,金融分析,医学等很多领域.用模糊聚类进行图像分割就是一个非常典型的应

搜索引擎研究毕业论文

什么c语言？这个问题说难不难，说易不易。粗浅的c语言一般可以在中国中学生联盟网技术论坛上拷贝一份，里面有一些可以作参考。

摘 要网络中的资源非常丰富，但是如何有效的搜索信息却是一件困难的事情。建立搜索引擎就是解决这个问题的最好方法。本论文首先详细介绍了基于英特网的搜索引擎的系统结构，然后从网络机器人、索引引擎、Web服务器三个方面进行详细的说明。为了更加深刻的理解这种技术，本人还亲自实现了一个自己的Java搜索引擎——新闻搜索引擎。新闻搜索引擎是从指定的Web页面中按照超连接进行解析、搜索，并把搜索到的每条新闻进行索引后加入数据库。然后通过Web服务器接受客户端请求后从索引数据库中搜索出所匹配的新闻。本人在介绍搜索引擎的章节中除了详细的阐述技术核心外还结合了新闻搜索引擎的实现代码来说明，图文并茂、易于理解。 关键字：搜索引擎，网络机器人，Lucene，中文分词，JavaCC AbstractThe resources in the internet are abundant, but it is a difficult job to search some useful information. So a search engine is the best method to solve this problem. This article fist introduces the system structure of search engine based on the internet in detail, and then gives a minute explanation form Spider search, engine and web server. In order to understand the technology more deeply, I have programmed a news search engine by myself in news search engine is explained and searched according to hyperlink from a appointed web page, then indexes every searched information and adds it to the index database. Then after receiving the customers' requests from the web server, it soon searches the right news form the index engine,In the chapter of introducing search engine, it is not only elaborating the core technology, but also combine with the modern code, pictures included, easy to understand. Key Words：Search Engine, Spider, Lucene, Phrase Query, JavaCC 目 录第1章 引言··· 选题背景：··· 现实意义··· 1第2章 搜索引擎的结构··· 系统概述··· 搜索引擎的构成··· 网络机器人··· 索引与搜索··· Web服务器··· 搜索引擎的主要指标及分析··· 小节··· 4第3章 网络机器人··· 什么是网络机器人··· 网络机器人的结构分析··· 如何解析HTML· 该类几种重要的方法。··· Spider程序结构··· 如何构造Spider程序··· 如何提高程序性能··· 网络机器人的代码分析··· 小节··· 10第4章 基于Lucene的索引与搜索··· 什么是全文检索与全文检索系统？··· 什么是Lucene全文检索··· Lucene的系统结构分析··· 系统结构组织··· 数据流分析··· Lucene索引构建逻辑模块分析··· 绪论··· 对象体系与UML图··· Lucene的包结构··· Lucene的主要逻辑图··· 对Lucene包的小结··· Lucene查询逻辑··· 查询者输入查询条件··· 查询条件被传达到查询分析器中··· 查询遍历树··· 返回结果··· Lucene 检索原理··· Lucene和Nucth的中文分析模块··· Nutch分析··· Nutch中文搜索 中文分词··· 利用JavaCC构造中文分析模块··· 分词小结··· Lucene与Spider的结合··· Index类的实现··· HTML解析类··· Lucene 小结··· 31第5章 基于Lucene的搜索引擎实现··· 基于Tomcat的Web服务器··· 什么是基于Tomcat的Web服务器··· 用户接口设计··· 客户端设计··· 服务端设计··· 在Tomcat上部署项目··· 小节··· 35第6章 搜索引擎策略··· 简介··· 面向主题的搜索策略··· 导向词··· 网页评级··· 权威网页和中心网页··· 小节··· 38结束语··· 39参考文献··· 40致 谢··· 41外文资料原文··· 42外文原文翻译··· 48 第1章 引言 选题背景：面对浩瀚的网络资源，搜索引擎为所有网上冲浪的用户提供了一个入口，毫不夸张的说，所有的用户都可以从搜索出发到达自己想去的网上任何一个地方。因此它也成为除了电子邮件以外最多人使用的网上服务。搜索引擎技术伴随着WWW的发展是引人注目的。搜索引擎大约经历了三代的更新发展：第一代搜索引擎出现于1994年。这类搜索引擎一般都索引少于1，000，000个网页，极少重新搜集网页并去刷新索引。而且其检索速度非常慢，一般都要等待10秒甚至更长的时间。在实现技术上也基本沿用较为成熟的IR（Information Retrieval）、网络、数据库等技术，相当于利用一些已有技术实现的一个WWW上的应用。在1994年3月到4月，网络爬虫World Web Worm (WWWW)平均每天承受大约1500次查询。大约在1996年出现的第二代搜索引擎系统大多采用分布式方案（多个微型计算机协同工作）来提高数据规模、响应速度和用户数量，它们一般都保持一个大约50，000，000网页的索引数据库，每天能够响应10，000，000次用户检索请求。1997年11月，当时最先进的几个搜索引擎号称能建立从2，000，000到100，000，000的网页索引。Altavista搜索引擎声称他们每天大概要承受20，000，000次查询。结束语本课题对基于因特网的Java搜索引擎结构和性能指标进行了分析，了解Spider程序的结构和功能。在进行海量数据搜索时，如果使用单纯的数据库技术，那将是非常痛苦的，速度将是极大的瓶颈。所以本文提出了使用全文搜索引擎Lucene进行索引、搜索。解决中文分词和有效的中文搜索信息。同时解决了如何把Lucene全文搜索引擎和Spider程序互相集合来实现新闻搜索的功能。对于如何构架基于Tomcat的Web服务器，使得用户通过浏览器进行新闻的搜索有了一定的理解，对Tomcat如何部署进行了说明。在些基础上，终于可以调试出一个简单的在本地搜索新闻Java搜索引擎。参考文献[1] Jeff Heaton(美), Programming Spiders, Bots, and Aggregator in Java.[2] Borland Software Corporation（美）,JBuilder培训教程（译者：周鹏 [等] 译）北京：机械工业出版社[3]徐宝文，张卫丰. 搜索引擎与信息获取技术.北京：清华大学出版社,[4]车东.基于Java的全文搜索引擎Lucene[5]罗旭.主题搜索引擎的设计与实现[6]Bruce Eckel(美).Thinking in Java.北京：机械工业出版社[7] Otis Gospodnetic Erik Hatcher (美).Action in Lucene.电子工业出版社,[8]耿祥义,张跃平. JAVA2实用教程(第二版).北京:清华大学出版社，[9]刘彬.JSP数据库高级教程.北京：清华大学出版社，[10]刘卫国,严晖.数据库技术与应用——SQL Server.北京:清华大学出版社,[11]闫宏飞.Tiny Search Engine: Design and implementation(PPT). [12]李晓明,闫宏飞,王继民.搜索引擎——原理、技术与系统.北京:科学出版社,2004 更多参考请点击

①首先要在三大网上中文期刊数据库中查找最新的期刊论文文献。中文科技期刊全文数据库和中国期刊网 ②在清华库中有中国优秀博硕士学位论文全文数据库和中国重要会议论文全文数据库，也是撰写毕业论文的重要信息来源； ③三大中文数字图书馆（超星、方正、书生）是重要的文献信息来源； ④使用两大搜索引擎，可以帮助你扩大思考的范围，指引你找到新的文献信息资源 ⑤如果找不到足够多的文献怎么办？可以采用“滚雪球法”进行查找，即利用已找到的文献后的参考文献扩大检索范围。清华库中的《中国期刊引文——全文链接记录库》也是帮助你实现“滚雪球查找”的有力工具；

就是以数据诸如文字，声音，图像等为主要内容，以检索文献资料的内容而不是外表特征的一种检索技术·主要该系统有TRS系统·天宇系统·等与其他搜索引擎相比，全文搜索引擎的显著特点是它能够以文中任何一个有检索意义的词作为检索入口，而且取得的检索结果是原始文献，而不是文献线索随着计算机产业的发展，以计算机存储设备为载体的电子信息愈来愈多，这些信息大致可分为两类：结构化数据和非结构化数据，结构化数据指的是诸如企业财务帐目和生产数据、学生的分数数据等等，非结构化数据的则是一些文本数据、图象声音等多媒体数据等等。据统计，非结构化数据占有整个信息量的80%以上。对于结构化数据，用RDBMS（关系数据库管理系统）技术来管理是目前最好的一种方式。但是由于RDBMS自身底层结构的缘故使得它管理大量非结构化数据显得有些先天不足，特别是查询这些海量非结构化数据的速度较慢。而通过全文检索技术就能高效地管理这些非结构化数据。经过几年的发展，全文检索从最初的字符串匹配程序已经演进到能对超大文本、语音、图像、活动影像等非结构化数据进行综合管理的大型软件。由于内涵和外延的深刻变化，全文检索系统已成为新一代管理信息系统的代名词，衡量全文检索系统的基本指标也逐渐形成规范。首先，我们关注的是查全率，即系统在进行某一检索时，检索出的相关资料量与系统资料库中相关资料总量的比率。查准率则是保证我们找到最有用资料的一个关键，是系统在进行某一检索时，检索出的有用资料数量与检索出资料总量的比率。检索速度或者说响应时间是提高工作效率的保障，指的是从提交检索课题到查出资料结果所需的时间。最基本的检索速度是应该达“千万汉字，秒级响应"。还有诸如收录范围（所查找的范围）、用户负担（用户在检索过程中付出精力的总和）、输出形式 （输出信息表现形式）等指标也是衡量全文检索系统优劣的要素。搜索引擎应该是全文检索技术最主要的一个应用。目前，搜索引擎的使用已成为排在收发电子邮件之后的第二大互联网应用技术。搜索引擎起源于传统的信息全文检索理论，即计算机程序通过扫描每一篇文章中的每一个词，建立以词为单位的到排文件，检索程序根据检索词在每一篇文章中出现的频率和每一个检索词在一篇文章中出现的概率，对包含这些检索词的文章进行排序，最后输出排序的结果。全文检索技术是搜索引擎的核心支撑技术。一个好的检索引擎是一个理想站点的关键。很多人在访问一个站点时喜欢使用站点检索，站点检索应是分类目录导航和全文检索的完美结合，具体包括以下几个方面：分类目录导航的关键是检索范围，检索范围的限制能使得检索结果不会太多、太滥；全文检索对于站点检索是必不可少的，在通常情况下能够帮助人们很快地找到所要的网页；有时利用分类目录导航和全文检索还很难定位到所要的信息，这时就要组合检索辅助；必须有相关排序功能，因为当检索结果太多时，用户不可能一一浏览，大多数用户只浏览前面几条，没有相关排序，可能准确的检索结果排在后面，用户不能浏览到，而排在前面的检索结果却相关性很少，造成用户的错觉。此外，我们还要考虑HTML/XML的特殊性、支持大量并发用户突发访问、Web站点的动态特性、要求索引维护效率很高等方面。目前的技术实现有Lucene，Solr，ElasticSearch等。全文检索过程分为索引、搜索两个过程： 索引(Indexing)从关系数据库中、互联网上、文件系统采集源数据(要搜索的目标信息)，源数据的来源是非常广泛的。将源数据采集到一个统一的地方，例如存储系统，要创建索引，将索引创建到一个索引库（文件系统）中，从源数据库中提取关键信息，从关键信息中抽取一个一个词，词和源数据是有关联的。也即创建索引时，词和源数据有关联，索引库中记录了这个关联，如果找到了词就说明找到了源数据（http的网页、电子书、新闻等……）。搜索(Search)用户执行搜索（全文检索）编写查询关键字。从索引库中搜索索引，根据查询关键字搜索索引库中的一个一个词。展示搜索的结果。

找一篇搜索引擎营销研究的论文

推一把，A5 上有好多案例呢。。。。。。

关于网络营销的论文需要参考资料WO提供给你。还有什么不了解的可以直接问WO，希望可以帮到你，祝写作过程顺利

定义：百度推广是百度国内首创的一种按效果付费的网络推广方式，用少量的投入就可以给企业带来大量潜在客户，有效提升企业销售额。 每天有超过1亿人次在百度查找信息，企业在百度注册与产品相关的关键词后，就会被主动查找这些产品的潜在客户找到。 百度推广按照给企业带来的潜在客户访问数量计费，企业可以灵活控制网络推广投入，获得最大回报。 1、潜在客户覆盖全面按有效访问付费，不浪费一分钱的广告宣传和推广费。 2、获取客户成本低针对性强，直接针对有需求的客户。 3、轻松锁定目标客户，电话咨询量倍增。优点：1、见效快：充值后设置关键词价格后即刻就可以进入百度排名前十，位置可以自己控制。2、关键词数量：可以在后台设置无数的关键词进行推广，数量自己控制。3、关键词不分难易程度：不论多么热门的关键词，只要你想做，你都可以进入前三甚至第一。网络推广就是利用互联网进行宣传推广活动。被推广对象可以是企业、产品、政府以及个人等等。百度推广为什么会这么有效？★ 全球最大中文搜索引擎，覆盖面广 全球最大中文搜索引擎百度，每天有超过6000万人次访问百度或查询信息，是使用量最大的中文搜索引擎。经中国电脑教育报万人评测及I Research等著名咨询顾问研究表明，百度成为网民最常使用的和最受欢迎的中文搜索引擎。 ★ 按效果付费，获得新客户平均成本最低，投资回报高 百度推广是按照给企业带来潜在新客户的访问量计费，企业可以根据自己的需要，灵活控制推广力度和投入，使企业的网络推广投入获得最大的回报！ ★ 针对性强，帮企业找到潜在目标客户 百度推广让企业注册有针对性“产品关键字”（即企业产品或服务的具体名称），使企业产品网页出现在相应搜索结果最靠前的位置，让真正对企业产品感兴趣的潜在客户直接了解产品或服务信息，更容易达成交易！ ★ 全面支持企业全线产品推广 百度推广可以同时注册多个“产品关键字”，数量没有限制，通过注册大量“产品关键字”使得企业的每一种产品都有机会被潜在客户发现！ ★ 专业服务团队，全程贴心服务 业界最大的专业客户服务中心，为用户提供全程跟踪个性化服务，了解您的需求，及时解答客户疑问，确保客户利益得到保证。编辑本段网络推广 广义上讲， 企业从开始申请域名、租用空间、建立网站开始就算是介入了网络推广活动。而通常我们所指的网络推广是指通过互联网手段进行的宣传推广等活动。狭义地说，网络推广的载体是互联网，离开了互联网的推广就不能算是网络推广。而且利用互联网必须是进行推广，而不是做其他的事情。上面这样讲网络推广的概念比较空洞。有比较才能有鉴别，我们可以通过同一些概念进行比较，更清楚地认识网络推广。与网络推广相近的概念有网络营销、网站推广、网络广告等等。网络推广和网络营销是不同的概念，网络营销偏重于营销层面，更重视网络营销后是否产生实际的经济效益。而网络推广重在推广，更注重的是通过推广后，给企业带来的网站流量、世界排名、访问量、注册量等等，目的是扩大被推广对象的知名度和影响力。可以说，网络营销中必须包含网络推广这一步骤，而且网络推广是网络营销的核心工作。另外一个容易模糊的概念是网站推广。网站推广是网络推广极其重要的一部分，因为网站是网络的主体。因此很多网络推广都包含着网站推广。当然网络推广也还进行非网站的推广，例如线下的产品、公司等等。这两个概念容易混淆是因为网络推广活动贯穿于网站的生命周期，从网站策划、建设、推广、反馈等网站存在的一系列环节中都涉及到了网络推广活动。网络广告则是网络推广所采用的一种手段。除了网络广告以外，网络推广还可以利用搜索引擎、友情链接、网络新闻炒作等方法来进行推广。随着互联网的迅速发展，网民将会越来越多，因此网络的影响力也将会越来越大。如果不希望在互联网上做一个信息孤岛，就需要有效实现网络宣传。禹含网络推广是目前投资最少、见效最快、效果最好的扩大知名度和影响力的形式，是被推广对象通过网络提高知名度，实现预期目标的最有力保证之一。对企业而言，做好网络推广，可以带来经济效益；对个人而言，可以让更多人了解自己，认识更多的朋友。 编辑本段网络推广的5种理论 一、按范围分 1、对外的推广 顾名思义，对外推广就是指针对站外潜在用户的推广。主要是通过一系列手段针对潜在用户进行诉求，以达到增加网站PV、IP、会员数或收入的目的。我们做的推广基本上都是对外推广。 2、对内的推广 和上面相反，对内推广是专门针对网站内部的推广。比如如何增加用户浏览频率、如何激活流失用户、如何增加频道之间的互动等。以友答网举例，其旗下有几个不同域名的网站，如何让这些网站之间的流量转化、如何让网站不同频道之间的用户互动，这些都是对内推广的重点。 很多人忽略了对内推广的重要性，其实如果对内推广使用得当，效果不比对外推广差。毕竟在现有用户基础上进行二次开发，要比开发新用户容易的多，投入也会少很多。 二、按投入分： 1、付费的推广 就是需要花钱才能进行的推广。比如各种网络付费广告、竞价排名、杂志广告、CPM、CPC广告等。做付费推广，一定要考虑性价比，即使有钱也不能乱花，要让钱花出效果。 2、免费的推广 这里说的免费推广是指在不用额外付费的情况下(禹含网络)就能进行的推广。这样的方法很多，比如论坛推广、资源互换、软文推广、邮件群发等。随着竞争的加剧、成本的提高，各大网站都开始倾向于此种方式了。 三、按渠道分 1、线上的推广 指基于互联网的推广方式。比如网络广告、论坛群发等。现在越来越多的传统企业都开始认可线上推广这种方式了，和传统方式比，其性价比非常有优势。 2、线下的推广 指通过非互联网渠道进行的推广。比如地面活动、户外广告等。由于线下推广通常投入比较大，所以一般线下推广都是以提升树立品牌形象或是增加用户粘性为主，如果是为了提升IP或是PV，效果不一定很好，要慎重考虑。 四、按手段分 1、常规手段 是指一些良性的、非常友好的推广方式。比如正常的广告、软文等。不过随着竞争的加剧，这种方式的效果越来越不明显了，通常需要开发新的发法，或是在细节上狠下功夫才能达到更好的效果。 2、非常规手段 就是指一些恶性的、非常不友好的方式。比如群发邮件、点、恶意网页代码，甚至在软件里插入病毒等。通常这种方法效果都奇好，但对于品牌形象可能会有负面影响，所以使用时，要把握好尺度。对于一些特别恶性的，尽量不要用。 五、按目的分 1、品牌推广 以建立品牌形象为主的推广。这类推广一般都用非常正规的方法进行，而且通常都会考虑付费广告。 2、流量推广 以提升流量为主的推广。在流量面前，大部分网站都不得不低下高贵的头，现在大家基本上什么方法都用，我们的口号是：没有不敢使的招，只有想不到的招。 3、销售推广 以增加收入为主的推广。通常会配合销售人员来做，具体情况具体对待，这里就不多说了。 4、会员推广 以增加会员注册量为主的推广。一般大家都以有奖注册，或是其它激励手段为主进行推广。没办法，现在的用户太现实了，没好处，不会捧你场。 5、其它推广 其它一些项目、或是细节的推广。比如某个具体活动等，就不具体举例了。 编辑本段网络推广十大方法 网站推广，网络营销是营销组成部分，是电子商务的核心，而推广是网络营销的最重点，许多企业都有专门的网站来进行网络销售。一、企业网站推广之搜索引擎1、搜索引擎登录据分析中小型网站大量的流量都是来自搜索引擎，有的网站流量百分之八十以上来自搜索，网站建设好可以登录各大搜索，广大的客户才可以在百度等搜索上搜到网企业的网站。2、搜索竞价广告现在企业最常用的应是搜索竞价的广告，较常用的百度竞价(百度目前新推出专业版)和google的关键词广告即google AdWords 。3、搜索引擎优化这个就是大家常见的SEO，针对企业网站的分析，对相关的关键词，在搜索引擎做一下优化，可以排在各大搜索的前面，可以为企业带来相关的转化。二、企业网站推广之链接1、 友情链接作好友情链接对网站也可以带来相关的流量和排名，企业在作友情链接时要注意对方网站的相关性，要和自己公司的网站内容有相关。2、 网址站的链接现在有许多网址站比如hao123,265等，但是大多数企业加入话比较困难的，可以找一下行业类的网址站加入。3、 购买外链现在搜索收录，在搜索里面网站权重来说，如果网站有足够优秀的外链，企业网站的排名会高，搜索收录的也会多和快，买外链时要注意网站的相关性和是否收录正常。三、企业网站推广之线下1、标识推广在出现企业标识的地方同时出现网址，如企业的名片，信封，车辆等。2、广告附带在企业的其它平面和媒体广告中附带企业的网址。3、线下推广在服装或一些赠品上印有企业的网址。四、企业网站推广之信息发布1、 论坛选择一些相关论坛及贴吧，对企业的要宣传的信息进行发布和宣传。2、 博客可以建立多个博客，加入相关的圈子进行信息发布。3、 黄页和分类信息这些网站作纯信息发布的平台，可以在上面发布企业的产品信息。五、企业网站推广之QQ群1、 QQ群聊天加入相关QQ群进行聊天讨论，发一些相关的内容。2、 QQ群共享大家可以把一些企业的小册子之类的，有资料性的东西，上传到QQ的共享。3、 QQ群邮件发送许多QQ群都开设了邮件群发功能，可以利用这个进行相关内容的群发。4、 自建QQ群企业也可以开多个QQ群，这时就可以随时宣传了。5、 QQ群贺卡加入相关群进行贺卡发送，在邮件里添加标签广告。6、QQ群空间可以通过群空间发布文章，进行宣传，还有群空间相册也可以。六、企业网站推广之水印1、 图片水印在企业在宣传的图片上，都要打上企业的水印，在发布到其它的地方和别的网站转载都是对企业网站的宣传。2、 视频水印现在有许多视频共享网站，企业可以把一些相关宣传视频打上水印上传到上面，如果特别精彩的话，相信会有许多人关注。3、 资料水印在写的一些文章上面注明原创的网址，还有就是做一些资料小册子如PDF和电子书在里面加上企业的网址。七、企业网站推广之群发1、 邮件群发在这里我们强调的是许可邮件群发，不是垃圾邮件群发，还有就是邮件列表订阅。2、 论坛群发3、 博客群发4、 留言本群发八、企业网站推广之推荐1、 网摘现在有许多网摘网站，如365key,新浪vivi等，可以在上加一些企业网站相关的内容。2、 书签收藏百度的收藏，QQ的书签等。3、 顶客网站顶客digg网站上的推广，提交一些与企业网站文章，进行推广宣传。4、 禹含网络专业策划，量身制定最适合客户的推广方案，实现与客户零距离接触。九、企业网站推广之广告1、 软文广告在有关的网站发布企业的新闻，对企业的网站进行推广。2、 竞价广告百度、google、sogou、yahoo等竞价推广。3、 广告联盟现在的阿里巴巴，宣传易等广告联盟的推广。十、企业推广之、 RSS可以把网站的内容，博客等相关的内容提交到RSS分享和收录的网站。2、 即时博客QQ的滔滔，饭否，可以搜索加一些相关的人员，然后发布信息。3、 百科类网站知道，爱问，知识堂，在上面回答问题，留下自己的网址。目前，网络推广主要有以下几种形式： 1、登录搜索引擎 2、网站目录登录推广 3、在线黄页登录推广4、博客营销推广5、知道营销推广6、网络广告推广(包含广告互换)7、电子邮件推广8、网址导航推广9、IM方式(QQ,MSN,雅虎通)10、排名营销推广11、事件营销推广12 、免费服务推广13、友情链接包括网络付费链接和免费互换链接14、在B2B网站上发布信息或登记注册 15、在新闻组或论坛上发布网站信息 16、软文推广 17、用网摘系统推广18、病毒式推广19、网站互动推广20、活动赞助推广21、禹含网络推广 联创网~~~

[摘要]随着新媒体的迅猛发展,新媒体与传统媒体融合趋势越来越明显,信息资源的整合性也越来越强。搜索引擎作为检索信息的有效工具,正发挥着越来越重要的作用。企业也开始利用搜索引擎作为市场营销的重要渠道。搜索引擎市场在中国正不断发展壮大。本文回顾了搜索引擎营销在中国的发展历程,指出了搜索引擎营销市场当前的现状、问题以及对策,并对搜索引擎市场的发展趋势做出简要的分析。[关键词]市场营销 搜索引擎营销 SEM 新媒体传播一、搜索引擎营销发展历程搜索引擎营销的发展是紧随搜索引擎的发展而发展的。1994年,以Yahoo为代表的分类目录型搜索引擎相继诞生,并逐渐体现出网络营销价值,于是搜索引擎营销思想开始出现。新的检索技术不断改进,使搜索引擎营销策略不断向着针对性更强、更精准的方向发展。1.自然搜索引擎营销阶段我国在2000年之前的搜索引擎主要靠人工编辑分类目录为主,搜索引擎营销需要做的工作包括网站描述,准备关键词等基本信息,免费提交给各个搜索引擎,并保持跟踪。一旦提交成功,就基本不需要对META标签等进行修改了,因为搜索引擎收录的网站信息等内容不会因为网站的修改而随之改变。2.简单搜索引擎营销阶段我国在2001年之前,搜索引擎营销是以免费分类目录登陆为主要的方式。2001年到2003年期间,由于出现了按点击付费(Pay-per-click)的搜索引擎关键词广告,带来了收费问题,加上网络经济环境因素,搜索引擎营销市场进入了调整期,传统网络分类目录的推广作用日益减弱,甚至有人预言其将消失。2003年后期开始,以Google为代表的第二代搜索引擎渐成主流。网站建成后无需人工提交,于是,基于自然检索结果的搜索引擎优化开始得到重视。同时,搜索引擎广告进入了快速增长时期,出现了以GoogleAdSense为代表的基于定位内容的搜索引擎广告。3.专业化搜索引擎营销阶段从2004年开始,新的搜索引擎不断出现,搜索引擎营销效果逐渐被企业机构认可,搜索引擎广告进入快速成长时期,搜索引擎全面引领着互联网经济,企业机构开始普遍认可搜索引擎营销的价值。随着网站数量的快速增长,优质的搜索引擎推广资源成为企业机构争夺的对象。同时,国内外多家搜索引擎都看准中国搜索引擎营销服务市场。人们对搜索引擎认识的逐步加深使搜索引擎营销逐渐发展成具有专业化的知识体系。2007年我国搜索引擎用户规模已达亿人,超过美国的亿人,同时,搜索引擎请求量月均超过110亿次,也超过了美国,中国已经成为搜索引擎用户最多的国家。但相比发达国家,我国搜索引擎访问次数平均营业收入依然很低,表明有大量的流量没有被挖掘出商业价值。二、搜索引擎营销现状、问题及相关对策1.搜索引擎营销现状随着中国互联网的迅速发展,搜索引擎正日益成为人们网络生活中的重要组成部分,成为被各企业比较认可的网站推广手段之一,也成为网络营销服务商最主要的服务项目;搜索引擎营销目前最活跃的群体是中小企业,大型企业渐渐开始关注搜索引擎营销(SEM)策略;搜索引擎营销服务市场以关键词广告和网站登陆广告等形式的搜索引擎广告产品销售为主,基于自然搜索排名的搜索引擎优化市场非常混乱;面对我国市场的不成熟,大多数的企业还不知道如何利用搜索来推广自己,没有把搜索引擎营销作为企业营销策略的一个组成部分,没有上升到战略的高度来应用搜索引擎营销。从2005年开始,在互联网市场上,国内外发展最快的领域就是搜索。目前Google的市值已经超过IBM,而百度在纳斯达克也成为中国股价最高的互联网公司。此外新浪、搜狐也纷纷进入搜索引擎市场,这已经成为在短信、网游之后的又一个赢利途径。据统计显示,中国搜索引擎市场规模2007年达12亿元,2008年达到亿元,2009年将超过33亿元。2.搜索引擎营销问题(1)付费搜索广告影响了用户体验当用户在使用搜索引擎查找产品信息的时候,看到的搜索结果的前几位都是“推广”字样的广告信息,虽然大部分用户还会继续使用这个搜索引擎,但是这已经影响了用户的使用体验。例如,一个想做整形美容的的女孩,当她输入“整形美容”的搜索关键字后,搜索结果的前几位都是付了钱做广告的整容医院。即使这是一个对整容手术一无所知的女孩,她也会对这样的广告性质的整容医院产生怀疑。从长远来看,这样的搜索结果肯定会削弱用户对搜索引擎的信任,他们在解决类似问题的时候,如果有其他更可靠的途径,就会放弃搜索引擎。尽管搜索引擎的方便性是无与伦比的,但是当用户真要寻找可靠信息的时候,是会很理智的,对于搜索引擎给出的前几位的产品信息,特别是当他们看到这些产品的商家不是他们印象中那么有名气的时候,就会削弱他们对搜索结果的信任,进而影响他们的用户体验。(2)付费搜索广告助长了恶意点击搜索引擎的关键词广告是按点击量付费,如果是点击量能真正反映用户流量,那么,对于做广告的商家来说是一个很好的反映广告效果的途径。但是互联网的广博性也注定了它的难监控性,让商家始料不及的是,这个点击量有可能是虚假的,其中的原由就是恶意点击。从用户、商家、搜索引擎三方的利益来看,恶意点击直接的受害者就是商家。恶意点击有几种可能的原因:第一是竞争者所为,目的是消耗完对手的预算费用,以获得自己的广告排名上升;第二种情况是来自搜索引擎广告联盟网站,他们为了获得每次点击的广告佣金而自己实施广告点击行为;第三种原因则可能来自付费搜索代理服务商,由于部分搜索引擎付费搜索服务商给代理商的佣金来自用户所投入的费用,用户的付费搜索广告被点击越多,服务商可以获得更多的收益。有关专家提出了利用第三方广告监测的方式来保证广告客户的利益,但这种方式在操作上有很大的困难,并且即使采用第三方网络广告监测也不能杜绝恶意点击问题,至多可以在一定程度上减少搜索引擎服务商本身的不规范行为。搜索引擎广告的点击欺诈问题归根结底还是取决于搜索引擎服务商的态度和实际行动。互联网是一个庞大的信息空间,因此,如果要去监管互联网用户的恶意点击行为,这不仅是一个技术问题,更重要的它是一个自身道德的问题。这需要广告客户去遵行共同的行业规范,搜索引擎服务商对广告客户负责任,如果搜索引擎服务商失去了自己的客户,他自身也要面临很大的威胁。新竞争力网络营销管理顾问综合多项有关付费搜索引擎营销的调查结果发现,搜索引擎关键词广告的平均费用在不断上升,这其中部分原因是由于恶意点击所致,另一方面则是由于越来越多的网站开始采用搜索引擎关键词广告,有限的广告空间使得广告用户只有支付更高的费用才能获得被用户发现的机会。(3)付费搜索广告降低了搜索引擎的可信度2008年11月15日,央视《新闻分》节目播出了有关搜索引擎竞价排名积30弊的新闻,披露其客观上发布虚假医疗广告,助长虚假医药信息的传播,给人们的身体健康造成了极大的威胁。这一消息的发布迅速使搜索引擎在医药信息传播中的作用成为了争论的焦点。如今,许多患者在去医院之前,常常会先上网用关键词搜索一下,以了解与病患相关的信息。有越来越多的消费者投诉因搜索引擎付费搜索结果所提供的虚假网站或信息而上当甚至损害健康。实际上,患者发现通过搜索引擎查得的结果里有不少打着专家幌子行医的医院,混乱的搜索结果严重地误导了患者,轻则浪费金钱,重则耽误最佳治疗时间。搜索结果中的付费广告结果占的比重越大,越影响网民的体验,也越容易影响搜索引擎的搜索质量以及可信度。2008年9月13日下午,网上出现一封据称为三鹿集团的内部文件,称在最近三鹿的公关危机中,曾计划投放300万元人民币,寻求百度协助屏蔽关于三鹿集团的一切负面新闻。尽管百度在9月14日下午发表声明:“确实收到三鹿的代理公关公司类似要求的电话,但是当时就予以拒绝了。”随后有不少网友证实:在9月13日搜索《三鹿,在小朋友的生命健康面前请不要表演》一文发现,百度检索的结果只有54篇,谷歌却多达11800篇之多。百度的行为引发了网友对百度的口诛笔伐,造成巨大的负面影响。3.搜索引擎营销问题对策(1)加快立法,规范秩序。需要加快立法,完善互联网的法治体系,明确政府、网络媒体和个人在网络中的权利与义务,增强网络行为的责任感与约束力,提高网络媒体的法律意识和社会责任感。(2)行业自律。搜索引擎媒体需要组建一个能够切实维护自身意义,有利于搜索引擎媒体发展为宗旨的行业组织,制订行业规范。一方面,为网络立法作准备和补充;另一方面,指导搜索引擎媒体向有利于社会发展的方向前行。(3)网民媒介素养有待提高。网民作为网络媒体的受众、消费者、监督者,只有将自己的眼睛擦亮,才能辨别真假好坏,才能督促网络媒体更人性化,更好地为网民服务。(4)借鉴国外成熟市场经验。美国联邦贸易委员会(FTC)在《搜索引擎消费者警示》中指出:凡是在搜索引擎上搜索关键词发现网页付费推广未与自动搜索结果区分、或故意混淆付费推广与自然搜索结果的,都可以举报。FTC呼吁广大消费者对搜索引擎商进行监督,并警告搜索引擎商必须承担起自身的道德责任,接受法律与行业监督:一是搜索结果与付费广告严格区分;二是要求搜索结果务必保障诚实,不能屏蔽搜索结果损害消费者的搜索体验。三、搜索引擎营销趋势1.搜索引擎营销服务深度增加随着我国搜索引擎运营商逐步开放API数据,第三方公司将开发大量搜索引擎营销技术工具,广告主可以在本地系统中完成统计、分析、修改等管理功能,无需访问Web用户界面。自动智能体系取代人工方式,应用深度增加。2.搜索引擎营销得到广泛认同随着搜索引擎用户的不断增长,搜索引擎将逐渐成为细分覆盖最高的媒体。虽然还是有企业把网络营销、搜索引擎营销和传统营销在经营思想上分开处理,但是无论中小型企业还是大型企业,都在关注网络营销和搜索引擎营销,他们积极与技术先进的第三方公司合作,完善他们的搜索引擎营销服务体系,共同驱动未来中国的搜索引擎市场。3.搜索引擎营销渐成营销战略组成部分信息化和网络营销得到企业重视程度加深,越来越多的企业不仅仅购买搜索引擎广告或者搜索引擎优化,更是将搜索引擎营销作为企业营销战略的一个组成部分。搜索引擎营销可能发展成为网络营销一个相对完整的分支,这种产业化的趋势将创造更多的市场机会。4.搜索引擎营销服务紧贴民生从我国搜索引擎服务的发展历程可以看出,除了与全球范围相似的趋势,还逐渐形成了有中国特色的发展趋势。目前,搜索引擎用户所需要的各种信息,包括工作生活等服务都在一个搜索平台上实现,人们希望一站式服务来满足多方面搜索需求。因此,融合了门户、社区等优势元素,我国搜索引擎服务逐渐向产品多元化转型。根据iUserTracker最新数据显示,我国的搜索引擎运营商正根据用户搜索内容的转变来不断优化产品线,力图使搜索服务一站式满足用户多方面的信息需求和内容需求。目前我国搜索引擎营销市场已经进入起步阶段,深化搜索引擎营销服务是中国搜索引擎市场发展的必需,而有效的搜索引擎营销策略也需要专业化经营和管理。搜索引擎营销专家认为,随着企业间搜索营销竞争的加剧,搜索引擎营销知识和技巧的欠缺已成为制约搜索营销效果的关键。因此,搜索引擎营销技巧的推广将提升搜索引擎营销的应用层次,同时成熟的企业用户也有利于搜索引擎营销行业的健康发展。