- 在线时间
- 50 小时
- 最后登录
- 2018-1-20
- 阅读权限
- 100
- 积分
- 2036
- UID
- 25431
- 注册时间
- 2003-5-7
- 帖子
- 1566
- 精华
- 0
|
和聚类分析等一些统计分析方法,也有粗集、模糊逻辑、人工神经网络、决策树理论以及规则归纳法为基础的方法。对于统计分析方法,数据挖掘的应用主要体现在高级多元统计方法的应用,当然这些方法有的已经比较成熟,但数据挖掘的应用是对这些方法的拓展和深化。粗集、模糊逻辑、人工神经网络、决策树理论以及规则归纳法等方法在数据挖掘中主要体现在工具开发和应用研究。这些方法(算法)在数据挖掘工作中的理论研究是学术界对数据挖掘的主要研究领域。数据挖掘的应用领域随着IT技术的发展和市场交易量的扩大也愈来愈广泛。目前,数据挖掘的研究领域已遍及的行业包括金融业、电信业、网络相关行业、零售商、制造业、医疗保健及制药业等。比如,在财务金融方面,预测市场动向,防范犯罪诈欺和顾客吸引等;在电信行业针对用户资费进行资费改革,以提高经营效益等;在企业直销行销方面用于识别客户和客户行为分析;在体育方面识别运动员的特长和缺点;在天文上进行星体分类等。尽管数据挖掘的应用领域相当广泛,就我国当前的应用来看,尚处于萌芽阶段,企业大规模地运用数据挖掘技术尚不普遍,个别企业或部门仅零星地运用数据挖掘技术。数据挖掘的工具已大量出现,一类是基于统计分析的软件,如:SAS、SPSS等;另一类是应用与新技术如模糊逻辑、人工神经网络、决策树理论的工具如:CBRExpress、Esteen、Kate-CBR、FuzzyTECHforbusiness、Aria、NeuralnetworkBrowser等软件,但这些软件并不是包罗万象地应用于任何数据挖掘技术的软件,而是有所侧重。实际上,数据挖掘工具与实际应用的问题紧密联系,实践中要根据实际运用去开发适用于实际需要的数据挖掘工具。我们国家数据挖掘的软件运用和开发也未全面展开,尤其模糊逻辑、人工神经网络、决策树中对数据挖掘工具的开发不足。因此,开拓数据挖掘工具的应用和实践是未来数据挖掘工作中亟待解决的问题。综上所述,未来数据挖掘的研究与应用的前景表现在两个方面。一方面,关于数据挖掘功能、工具、方法(算法)的拓展与理论创新的研究。对数据挖掘功能研究是工具、方法(算法)研究的前提,如果数据挖掘功能有所创新,那么,新的功能必然会带动新工具、方法(算法)的研究。另一方面,随着IT技术在社会经济生活中的广泛应用,海量数据的产生已成为必然现象,数据挖掘在各个行业的应用研究也必然成为现实。因此,未来数据挖掘应用领域的研究将更加广泛,从数据挖掘应用研究的深度来看,决策支持系统(DDS)、人工智能(NeuralNetwork)等方面对数据挖掘的应用深度将进一步凸现出来。当前,我国关于数据挖掘研究工作的机构也相继出现,如中国人民大学统计系数据挖掘中心、台湾辅仁大学管理学院创新育成中心近几年均从事数据挖掘的研究工作。从事数据挖掘研究的代表性专家有:谢邦昌教授、张尧庭教授、朱世武教授、韦端博士、陈江教授、赵民德教授等,除此而外,国内部分高校一些学者也相继加入到数据挖掘的理论和应用研究的队伍中来。从从事数据挖掘的研究队伍来看,大部分是统计方面的专家学者,而从数据挖掘的学科要求来看,数据挖掘是集统计学、计算机科学、金融学以及实际应用方面的理论为一体的综合学科,因此,数据挖掘的理论和应用研究也需要大批其他学科的专家学者加入,与统计学家一道为数据挖掘的理论研究和应用研究作出贡献。目前,我国出版有关数据挖掘具有代表性的著作有:HanJ.KamberM.《数据挖掘:概念与技术》,2001年,机械工业出版社出版,北京;张尧庭,谢邦昌,朱世武《数据挖掘入门及应用———从统计技术看数据挖掘》(电子版)。具有代表性的论文主要有:朱世武等《数据挖掘与其他技术比较》,《统计研究》2003年第7期;赵黎明等《基于数据挖掘的专利引文研究与知识发现》,《预测》2002年第6期;张?等《数据挖掘技术在CRM中的应用》,《中国管理科学》2003年第1期;《统计与信息论坛》2002年刊登了中国人民大学统计学系数据挖掘中心关于数据挖掘理论和应用研究的系列论文6篇,这些著作和论文可供从事数据挖掘研究和应用者参考。(责任编辑:张治国)69统计与信息论坛 |
|