緒論：寫作既是個(gè)人情感的抒發(fā)，也是對學(xué)術(shù)真理的探索，歡迎閱讀由發(fā)表云整理的11篇挖掘技術(shù)論文范文，希望它們能為您的寫作提供參考和啟發(fā)。

篇（1）

隨著信息技術(shù)迅速發(fā)展，數(shù)據(jù)庫的規(guī)模不斷擴(kuò)大，產(chǎn)生了大量的數(shù)據(jù)。但大量的數(shù)據(jù)往往無法辨別隱藏在其中的能對決策提供支持的信息，而傳統(tǒng)的查詢、報(bào)表工具無法滿足挖掘這些信息的需求。因此，需要一種新的數(shù)據(jù)分析技術(shù)處理大量數(shù)據(jù)，并從中抽取有價(jià)值的潛在知識，數(shù)據(jù)挖掘（DataMining）技術(shù)由此應(yīng)運(yùn)而生。

一、數(shù)據(jù)挖掘的定義

數(shù)據(jù)挖掘是指從數(shù)據(jù)集合中自動抽取隱藏在數(shù)據(jù)中的那些有用信息的非平凡過程，這些信息的表現(xiàn)形式為：規(guī)則、概念、規(guī)律及模式等。它可幫助決策者分析歷史數(shù)據(jù)及當(dāng)前數(shù)據(jù)，并從中發(fā)現(xiàn)隱藏的關(guān)系和模式，進(jìn)而預(yù)測未來可能發(fā)生的行為。數(shù)據(jù)挖掘的過程也叫知識發(fā)現(xiàn)的過程。

二、數(shù)據(jù)挖掘的方法

1.統(tǒng)計(jì)方法。傳統(tǒng)的統(tǒng)計(jì)學(xué)為數(shù)據(jù)挖掘提供了許多判別和回歸分析方法，常用的有貝葉斯推理、回歸分析、方差分析等技術(shù)。貝葉斯推理是在知道新的信息后修正數(shù)據(jù)集概率分布的基本工具，處理數(shù)據(jù)挖掘中的分類問題，回歸分析用來找到一個(gè)輸入變量和輸出變量關(guān)系的最佳模型，在回歸分析中有用來描述一個(gè)變量的變化趨勢和別的變量值的關(guān)系的線性回歸，還有用來為某些事件發(fā)生的概率建模為預(yù)測變量集的對數(shù)回歸、統(tǒng)計(jì)方法中的方差分析一般用于分析估計(jì)回歸直線的性能和自變量對最終回歸的影響，是許多挖掘應(yīng)用中有力的工具之一。

2.關(guān)聯(lián)規(guī)則。關(guān)聯(lián)規(guī)則是一種簡單，實(shí)用的分析規(guī)則，它描述了一個(gè)事物中某些屬性同時(shí)出現(xiàn)的規(guī)律和模式，是數(shù)據(jù)挖掘中最成熟的主要技術(shù)之一。關(guān)聯(lián)規(guī)則在數(shù)據(jù)挖掘領(lǐng)域應(yīng)用很廣泛適合于在大型數(shù)據(jù)集中發(fā)現(xiàn)數(shù)據(jù)之間的有意義關(guān)系，原因之一是它不受只選擇一個(gè)因變量的限制。大多數(shù)關(guān)聯(lián)規(guī)則挖掘算法能夠無遺漏發(fā)現(xiàn)隱藏在所挖掘數(shù)據(jù)中的所有關(guān)聯(lián)關(guān)系，但是，并不是所有通過關(guān)聯(lián)得到的屬性之間的關(guān)系都有實(shí)際應(yīng)用價(jià)值，要對這些規(guī)則要進(jìn)行有效的評價(jià)，篩選有意義的關(guān)聯(lián)規(guī)則。

3.聚類分析。聚類分析是根據(jù)所選樣本間關(guān)聯(lián)的標(biāo)準(zhǔn)將其劃分成幾個(gè)組，同組內(nèi)的樣本具有較高的相似度，不同組的則相異，常用的技術(shù)有分裂算法，凝聚算法，劃分聚類和增量聚類。聚類方法適合于探討樣本間的內(nèi)部關(guān)系，從而對樣本結(jié)構(gòu)做出合理的評價(jià)，此外，聚類分析還用于對孤立點(diǎn)的檢測。并非由聚類分析算法得到的類對決策都有效，在運(yùn)用某一個(gè)算法之前，一般要先對數(shù)據(jù)的聚類趨勢進(jìn)行檢驗(yàn)。

4.決策樹方法。決策樹學(xué)習(xí)是一種通過逼近離散值目標(biāo)函數(shù)的方法，通過把實(shí)例從根結(jié)點(diǎn)排列到某個(gè)葉子結(jié)點(diǎn)來分類實(shí)例，葉子結(jié)點(diǎn)即為實(shí)例所屬的分類。樹上的每個(gè)結(jié)點(diǎn)說明了對實(shí)例的某個(gè)屬性的測試，該結(jié)點(diǎn)的每一個(gè)后繼分支對應(yīng)于該屬性的一個(gè)可能值，分類實(shí)例的方法是從這棵樹的根結(jié)點(diǎn)開始，測試這個(gè)結(jié)點(diǎn)指定的屬性，然后按照給定實(shí)例的該屬性值對應(yīng)的樹枝向下移動。決策樹方法是要應(yīng)用于數(shù)據(jù)挖掘的分類方面。

5.神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)建立在自學(xué)習(xí)的數(shù)學(xué)模型基礎(chǔ)之上，能夠?qū)Υ罅繌?fù)雜的數(shù)據(jù)進(jìn)行分析，并可以完成對人腦或其他計(jì)算機(jī)來說極為復(fù)雜的模式抽取及趨勢分析，神經(jīng)網(wǎng)絡(luò)既可以表現(xiàn)為有指導(dǎo)的學(xué)習(xí)也可以是無指導(dǎo)聚類，無論哪種，輸入到神經(jīng)網(wǎng)絡(luò)中的值都是數(shù)值型的。人工神經(jīng)元網(wǎng)絡(luò)模擬人腦神經(jīng)元結(jié)構(gòu)，建立三大類多種神經(jīng)元網(wǎng)絡(luò)，具有非線形映射特性、信息的分布存儲、并行處理和全局集體的作用、高度的自學(xué)習(xí)、自組織和自適應(yīng)能力的種種優(yōu)點(diǎn)。

6.遺傳算法。遺傳算法是一種受生物進(jìn)化啟發(fā)的學(xué)習(xí)方法，通過變異和重組當(dāng)前己知的最好假設(shè)來生成后續(xù)的假設(shè)。每一步，通過使用目前適應(yīng)性最高的假設(shè)的后代替代群體的某個(gè)部分，來更新當(dāng)前群體的一組假設(shè)，來實(shí)現(xiàn)各個(gè)個(gè)體的適應(yīng)性的提高。遺傳算法由三個(gè)基本過程組成:繁殖(選擇)是從一個(gè)舊種群(父代)選出生命力強(qiáng)的個(gè)體，產(chǎn)生新種群(后代)的過程；交叉〔重組)選擇兩個(gè)不同個(gè)體〔染色體)的部分(基因)進(jìn)行交換，形成新個(gè)體的過程；變異(突變)是對某些個(gè)體的某些基因進(jìn)行變異的過程。在數(shù)據(jù)挖掘中，可以被用作評估其他算法的適合度。

7.粗糙集。粗糙集能夠在缺少關(guān)于數(shù)據(jù)先驗(yàn)知識的情況下，只以考察數(shù)據(jù)的分類能力為基礎(chǔ)，解決模糊或不確定數(shù)據(jù)的分析和處理問題。粗糙集用于從數(shù)據(jù)庫中發(fā)現(xiàn)分類規(guī)則的基本思想是將數(shù)據(jù)庫中的屬性分為條件屬性和結(jié)論屬性，對數(shù)據(jù)庫中的元組根據(jù)各個(gè)屬性不同的屬性值分成相應(yīng)的子集，然后對條件屬性劃分的子集與結(jié)論屬性劃分的子集之間上下近似關(guān)系生成判定規(guī)則。所有相似對象的集合稱為初等集合，形成知識的基本成分。任何初等集合的并集稱為精確集，否則，一個(gè)集合就是粗糙的(不精確的)。每個(gè)粗糙集都具有邊界元素，也就是那些既不能確定為集合元素，也不能確定為集合補(bǔ)集元素的元素。粗糙集理論可以應(yīng)用于數(shù)據(jù)挖掘中的分類、發(fā)現(xiàn)不準(zhǔn)確數(shù)據(jù)或噪聲數(shù)據(jù)內(nèi)在的結(jié)構(gòu)聯(lián)系。

8.支持向量機(jī)。支持向量機(jī)(SVM)是在統(tǒng)計(jì)學(xué)習(xí)理論的基礎(chǔ)上發(fā)展出來的一種新的機(jī)器學(xué)習(xí)方法。它基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則上的，盡量提高學(xué)習(xí)機(jī)的泛化能力，具有良好的推廣性能和較好的分類精確性，能有效的解決過學(xué)習(xí)問題，現(xiàn)已成為訓(xùn)練多層感知器、RBF神經(jīng)網(wǎng)絡(luò)和多項(xiàng)式神經(jīng)元網(wǎng)絡(luò)的替代性方法。另外，支持向量機(jī)算法是一個(gè)凸優(yōu)化問題，局部最優(yōu)解一定是全局最優(yōu)解，這些特點(diǎn)都是包括神經(jīng)元網(wǎng)絡(luò)在內(nèi)的其他算法所不能及的。支持向量機(jī)可以應(yīng)用于數(shù)據(jù)挖掘的分類、回歸、對未知事物的探索等方面。

事實(shí)上，任何一種挖掘工具往往是根據(jù)具體問題來選擇合適挖掘方法，很難說哪種方法好，那種方法劣，而是視具體問題而定。

三、結(jié)束語

篇（2）

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，我們在排除一些故障時(shí)，解決的多是發(fā)動機(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)常會表現(xiàn)為：發(fā)動機(jī)轉(zhuǎn)速下降，工作速度變慢，挖掘無力以及一些常見問題。

1發(fā)動機(jī)轉(zhuǎn)速下降

首先要測試發(fā)動機(jī)本身輸出功率，如果發(fā)動機(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、發(fā)動機(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、進(jìn)氣系統(tǒng)漏氣、制動器及其操縱桿有毛病和渦輪增壓器積炭。如果發(fā)動機(jī)輸出動力正常，就需要查看是否因?yàn)橐簤罕玫牧髁亢桶l(fā)動機(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)械傳動系統(tǒng)。

2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)測量，確認(rèn)挖機(jī)問題所在。

3挖掘機(jī)無力

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

①挖掘無力但發(fā)動機(jī)不憋車。挖掘力的大小由主泵輸出壓力決定，發(fā)動機(jī)是否憋車取決于油泵吸收轉(zhuǎn)矩與發(fā)動機(jī)輸出轉(zhuǎn)矩間的關(guān)系。發(fā)動機(jī)不憋車說明油泵吸收轉(zhuǎn)矩較小，發(fā)動機(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)動調(diào)整螺絲來調(diào)整機(jī)器。②挖掘無力，發(fā)動機(jī)憋車。發(fā)動機(jī)憋車表明油泵的吸收轉(zhuǎn)矩大于發(fā)動機(jī)輸出轉(zhuǎn)矩，致使發(fā)動機(jī)超載。這種故障應(yīng)首先檢查發(fā)動機(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)動機(jī)速度傳感系統(tǒng)恢復(fù)正常功能，發(fā)動機(jī)憋車現(xiàn)象消失，挖掘力就會恢復(fù)正常。

4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。多智網(wǎng)校誠招全國各地市獨(dú)家線下商，共同開發(fā)網(wǎng)上教育市場。多智教育()！

5挖掘機(jī)的日常保養(yǎng)

篇（3）

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，我們在排除一些故障時(shí)，解決的多是發(fā)動機(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)常會表現(xiàn)為：發(fā)動機(jī)轉(zhuǎn)速下降，工作速度變慢，挖掘無力以及一些常見問題。

1發(fā)動機(jī)轉(zhuǎn)速下降

首先要測試發(fā)動機(jī)本身輸出功率，如果發(fā)動機(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、發(fā)動機(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、進(jìn)氣系統(tǒng)漏氣、制動器及其操縱桿有毛病和渦輪增壓器積炭。如果發(fā)動機(jī)輸出動力正常，就需要查看是否因?yàn)橐簤罕玫牧髁亢桶l(fā)動機(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)械傳動系統(tǒng)。

2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)測量，確認(rèn)挖機(jī)問題所在。

3挖掘機(jī)無力

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

①挖掘無力但發(fā)動機(jī)不憋車。挖掘力的大小由主泵輸出壓力決定，發(fā)動機(jī)是否憋車取決于油泵吸收轉(zhuǎn)矩與發(fā)動機(jī)輸出轉(zhuǎn)矩間的關(guān)系。發(fā)動機(jī)不憋車說明油泵吸收轉(zhuǎn)矩較小，發(fā)動機(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)動調(diào)整螺絲來調(diào)整機(jī)器。②挖掘無力，發(fā)動機(jī)憋車。發(fā)動機(jī)憋車表明油泵的吸收轉(zhuǎn)矩大于發(fā)動機(jī)輸出轉(zhuǎn)矩，致使發(fā)動機(jī)超載。這種故障應(yīng)首先檢查發(fā)動機(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)動機(jī)速度傳感系統(tǒng)恢復(fù)正常功能，發(fā)動機(jī)憋車現(xiàn)象消失，挖掘力就會恢復(fù)正常。

4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。

5挖掘機(jī)的日常保養(yǎng)

篇（4）

（2）數(shù)據(jù)準(zhǔn)備：首先，對于業(yè)務(wù)目標(biāo)相關(guān)的內(nèi)部和外部數(shù)據(jù)信息進(jìn)行查找，從中找出可以用于數(shù)據(jù)挖掘的信息；其次，要對數(shù)據(jù)信息的內(nèi)容進(jìn)行全面細(xì)致分析，確定需要進(jìn)行挖掘操作的類型；然后，結(jié)合相應(yīng)的挖掘算法，將數(shù)據(jù)轉(zhuǎn)化稱為相應(yīng)的分析模型，以保證數(shù)據(jù)挖掘的順利進(jìn)行。

（3）數(shù)據(jù)挖掘：在對數(shù)據(jù)進(jìn)行轉(zhuǎn)化后，就可以結(jié)合相應(yīng)的挖掘算法，自動完成相應(yīng)的數(shù)據(jù)分析工作。

（4）結(jié)果分析：對得到的數(shù)據(jù)分析結(jié)果進(jìn)行評價(jià)，結(jié)合數(shù)據(jù)挖掘操作明確分析方法，一般情況下，會用到可視化技術(shù)。

（5）知識同化：對分析得到的數(shù)據(jù)信息進(jìn)行整理，統(tǒng)一到業(yè)務(wù)信息系統(tǒng)的組成結(jié)構(gòu)中。這個(gè)步驟不一定能夠一次完成，而且其中部分步驟可能需要重復(fù)進(jìn)行。

二、數(shù)據(jù)挖掘技術(shù)在水利工程管理中的實(shí)施要點(diǎn)

水利工程在經(jīng)濟(jì)和社會發(fā)展中是非常重要的基礎(chǔ)設(shè)施，做好水利工程管理工作，確保其功能的有效發(fā)揮，是相關(guān)管理人員需要重點(diǎn)考慮的問題。最近幾年，隨著社會經(jīng)濟(jì)的飛速發(fā)展，水利工程項(xiàng)目的數(shù)量和規(guī)模不斷擴(kuò)大，產(chǎn)生的水利科學(xué)數(shù)據(jù)也在不斷增加，這些數(shù)據(jù)雖然繁瑣，但是在許多科研生產(chǎn)活動和日常生活中都是不可或缺的。例如，在對洪澇、干旱的預(yù)防以及對生態(tài)環(huán)境問題的處理方面，獲取完整的水利科學(xué)數(shù)據(jù)是首要任務(wù)。那么，針對日益繁雜的海量水利科學(xué)數(shù)據(jù)，如何對有用的信息知識進(jìn)行提取呢？數(shù)據(jù)挖掘技術(shù)的應(yīng)用有效的解決了這個(gè)問題，可以從海量的數(shù)據(jù)信息中，挖掘出潛在的、有利用價(jià)值的知識，為相關(guān)決策提供必要的支持。

1.強(qiáng)化數(shù)據(jù)庫建設(shè)

要想對各類數(shù)據(jù)進(jìn)行科學(xué)有效的收集和整理，就必須建立合理完善的數(shù)據(jù)庫。對于水利工程而言，應(yīng)該建立分類數(shù)據(jù)庫，如水文、河道河情、水量調(diào)度、防洪、汛情等，確保數(shù)據(jù)的合理性、全面性和準(zhǔn)確性，選擇合適的方法，對有用數(shù)據(jù)進(jìn)行挖掘。

2.合理選擇數(shù)據(jù)挖掘算法

（1）關(guān)聯(lián)規(guī)則挖掘算法：關(guān)聯(lián)規(guī)則挖掘問題最早提出于1993年，在當(dāng)前數(shù)據(jù)挖掘領(lǐng)域，從事務(wù)數(shù)據(jù)庫中發(fā)現(xiàn)關(guān)聯(lián)規(guī)則，已經(jīng)成為一個(gè)極其重要的研究課題。關(guān)聯(lián)規(guī)則挖掘的主要目的，是尋找和挖掘隱藏在各種數(shù)據(jù)之間的相互關(guān)系，通過量化的數(shù)據(jù)，來描述事務(wù)A的出現(xiàn)對于事務(wù)B出現(xiàn)可能產(chǎn)生的影響，關(guān)聯(lián)規(guī)則挖掘就是給定一組Item以及相應(yīng)的記錄組合，通過對記錄組合的分析，推導(dǎo)出Item間存在的相關(guān)性。當(dāng)前對于關(guān)聯(lián)規(guī)則的描述，一般是利用支持度和置信度，支出度是指產(chǎn)品集A、B同時(shí)出現(xiàn)的概率，置信度則是在事務(wù)集A出現(xiàn)的前提下，B出現(xiàn)的概率。通過相應(yīng)的關(guān)聯(lián)分析，可以得出事務(wù)A、B同時(shí)出現(xiàn)的簡單規(guī)則，以及每一條規(guī)則的支持度和置信度，支持度高則表明規(guī)則被經(jīng)常使用，置信度高則表明規(guī)則相對可靠，通過關(guān)聯(lián)分析，可以明確事務(wù)A、B的關(guān)聯(lián)程度，決定兩種事務(wù)同時(shí)出現(xiàn)的情況。

（2）自頂而下頻繁項(xiàng)挖掘算法：對于長頻繁項(xiàng)，如果采用關(guān)聯(lián)規(guī)則挖掘算法，需要進(jìn)行大量的計(jì)算分析，不僅耗時(shí)耗力，而且影響計(jì)算的精準(zhǔn)度，這時(shí)，就可以采用自頂而下頻繁項(xiàng)挖掘算法，這種算法是一種相對優(yōu)秀的長頻繁項(xiàng)挖掘算法，利用了事務(wù)項(xiàng)目關(guān)聯(lián)信息表、項(xiàng)目約簡、關(guān)鍵項(xiàng)目以及投影數(shù)據(jù)庫等新概念與投影、約簡等新方法，在對候選集進(jìn)行生成的過程中，應(yīng)該對重復(fù)分支進(jìn)行及時(shí)修剪，提升算法的實(shí)際效率，從而有效解決了長頻繁項(xiàng)的挖掘問題。結(jié)合計(jì)算機(jī)實(shí)驗(yàn)以及算法分析，可以看出，這種方法是相對完善的，同時(shí)也是十分有效的。不過需要注意的是，當(dāng)支持度較大、頻繁項(xiàng)相對較短時(shí)，利用關(guān)聯(lián)規(guī)則挖掘中典型的Apriori方法，可以起到更好的效果。

（3）頻繁項(xiàng)雙向挖掘算法：這種算法是一種融合了自頂向下以及自底向上的雙向挖掘算法，可以較好的解決長頻繁項(xiàng)以及段頻繁項(xiàng)的挖掘問題，主挖掘方向是利用自頂向下挖掘策略，但是結(jié)合自底向上方法生成的非頻繁項(xiàng)集，可以對候選集進(jìn)行及時(shí)修剪，提升算法的實(shí)際效率。

篇（5）

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，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，隨著國外遠(yuǎn)程教育突飛猛進(jìn)的發(fā)展，以及國內(nèi)高中等院校多媒體課件的開發(fā)實(shí)踐，我們應(yīng)對現(xiàn)代教育媒體開發(fā)的應(yīng)用前景，特別是對我院遠(yuǎn)程教育發(fā)展的重要性有一個(gè)充分的認(rèn)識。

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（6）

煤炭的持續(xù)開采會受到地質(zhì)條件的直接影響，過去國家投入眾多的設(shè)施，使用至今均已出現(xiàn)老化，并且維修量非常大。隨著礦井的不斷延深，礦壓極度強(qiáng)化，巷道的維修任務(wù)更是不斷的增加，礦井的供電以及通風(fēng)、提升與排水等都不能適應(yīng)生產(chǎn)的需要。

1.2安全管理模式傳統(tǒng)

與西方發(fā)達(dá)產(chǎn)煤國家相比較，我國的煤礦使用技術(shù)研究起步很晚。并且人力、財(cái)力非常缺乏，某些重大的安全技術(shù)問題，比如沖擊地壓以及煤和瓦斯的突出、地?zé)嵋约巴凰葹?zāi)害不能進(jìn)行有效的預(yù)測和控制。且受到以往傳統(tǒng)運(yùn)營思想的直接作用與影響以及各個(gè)企業(yè)的經(jīng)濟(jì)實(shí)力的約束，我國的煤礦生產(chǎn)裝備和安全監(jiān)控設(shè)施相對落后。井巷的斷面設(shè)計(jì)以及支護(hù)強(qiáng)度的確定、支護(hù)材料的型號選擇較小。生產(chǎn)設(shè)施功率以及礦井的供風(fēng)量等富余參數(shù)非常低，極易出現(xiàn)事故。絕大多數(shù)的煤炭企業(yè)還是利用以往傳統(tǒng)的安全管理模式，各種報(bào)表計(jì)算仍是靠人工勞動并且精確度很低。信息傳送的時(shí)間較長，且速度較慢，管理者的工作重復(fù)性很大，資料查詢十分困難，并且工作效率很低。安全檢查以及等級鑒定等總是憑借主觀意念以及相關(guān)的經(jīng)驗(yàn)。

1.3安全信息管理體制不健全

安全信息可以說是安全管理工作的重要依據(jù)，它主要包括事故和職業(yè)傷害的有效記錄與分析統(tǒng)計(jì)，職業(yè)的安全衛(wèi)生設(shè)施的相關(guān)研究與設(shè)計(jì)、生產(chǎn)以及檢驗(yàn)技術(shù)，法律法規(guī)以及相應(yīng)技術(shù)標(biāo)準(zhǔn)和其變化的動態(tài)，教育培訓(xùn)以及宣傳和社會活動，國內(nèi)的新型技術(shù)動態(tài)以及隱患評估與技術(shù)經(jīng)濟(jì)類分析和咨詢、決策的體系。信息體制的健全是安全體制工程以及計(jì)算機(jī)技術(shù)的有效結(jié)合，可促使安全工作轉(zhuǎn)型為定性和定量的超前預(yù)測，不過大多數(shù)礦井還是處于起步與摸索階段，并未呈現(xiàn)出健全的體制，真正的使用還有待進(jìn)一步的發(fā)展。

2空間數(shù)據(jù)挖掘技術(shù)

數(shù)據(jù)挖掘研究行業(yè)的持續(xù)進(jìn)展，開始由起初的關(guān)系數(shù)據(jù)以及事務(wù)數(shù)據(jù)挖掘，發(fā)展至對空間數(shù)據(jù)庫的不斷挖掘。空間的信息還在逐漸地呈現(xiàn)各類信息體制的主體與基礎(chǔ)。空間數(shù)據(jù)挖掘技術(shù)是一項(xiàng)非常關(guān)鍵的數(shù)據(jù)，具有比普通關(guān)系數(shù)據(jù)庫和事務(wù)數(shù)據(jù)庫更豐富、復(fù)雜的相關(guān)語義信息，且蘊(yùn)含了更豐富的知識。所以，雖說數(shù)據(jù)的挖掘最初是出現(xiàn)在關(guān)系數(shù)據(jù)挖掘以及事務(wù)的數(shù)據(jù)庫，不過因?yàn)榭臻g數(shù)據(jù)庫中的發(fā)掘知識，這就很快引起了各個(gè)研究者的關(guān)注與重視。很多的數(shù)據(jù)挖掘類研究工作都是從關(guān)系型以及事務(wù)型數(shù)據(jù)庫拓展至空間數(shù)據(jù)庫的。在地學(xué)領(lǐng)域中，隨著衛(wèi)星以及遙感技術(shù)的不斷使用，逐漸豐富的空間以及非空間的數(shù)據(jù)采集與儲存在較大空間數(shù)據(jù)庫中，大量的地理數(shù)據(jù)已經(jīng)算是超過了人們的處理能力，并且傳統(tǒng)的地學(xué)分析很難在這些數(shù)據(jù)中萃取并發(fā)現(xiàn)地學(xué)知識，這也就給現(xiàn)階段的GIS帶來了很大的挑戰(zhàn)，急切的需要強(qiáng)化GIS相應(yīng)的分析功能，提升GIS處理地學(xué)實(shí)際狀況的能力。數(shù)據(jù)挖掘以及知識發(fā)現(xiàn)的產(chǎn)生能滿足地球空間的數(shù)據(jù)處理要求，并推進(jìn)了傳統(tǒng)地學(xué)空間分析的不斷發(fā)展。依據(jù)地學(xué)空間數(shù)據(jù)挖掘技術(shù)的特性，把數(shù)據(jù)挖掘的方式融進(jìn)GIS技術(shù)中，呈現(xiàn)地學(xué)空間數(shù)據(jù)挖掘技術(shù)和知識發(fā)展的新地學(xué)數(shù)據(jù)分析理念與依據(jù)。

3煤礦安全管理水平的提升

3.1建設(shè)評價(jià)指標(biāo)體制庫

評價(jià)指標(biāo)體制庫是礦井的自然災(zāi)害危害存在的具體參數(shù)式的知識庫。模型的組建務(wù)必要根據(jù)礦井的瓦斯以及水害等自然災(zāi)害危害呈現(xiàn)的不同指標(biāo)體制和其臨界值構(gòu)建一定的指標(biāo)體制庫，危害的警報(bào)識別參數(shù)關(guān)鍵是采掘工程的平面圖動態(tài)開采面以及相應(yīng)的巷道。各種瓦斯的危害以及水害隱患和通風(fēng)隱患均呈現(xiàn)一定的評價(jià)指標(biāo)庫。

3.2構(gòu)建專業(yè)的分析模型庫

依據(jù)瓦斯以及水害等諸多不同的礦井自然災(zāi)害類別構(gòu)建相關(guān)的專業(yè)性模型庫，比如瓦斯的災(zāi)害預(yù)測，應(yīng)根據(jù)礦井的地質(zhì)條件以及煤層所賦存的狀況構(gòu)建瓦斯的地質(zhì)區(qū)分圖，再根據(jù)采掘工程的平面圖動態(tài)呈現(xiàn)的采掘信息以及相應(yīng)的瓦斯分區(qū)構(gòu)建關(guān)聯(lián)并實(shí)行相應(yīng)的比較分析，確定可以采集區(qū)域未來的可采區(qū)域是不是高瓦斯區(qū)域。

3．3構(gòu)建以GIS空間分析為基礎(chǔ)的方法庫

GIS空間分析可以說是礦井自然災(zāi)害的隱患高度識別的關(guān)鍵性方式，并且還是安全故障警報(bào)的主要路徑。比如斷層的防水層的有效劃分，關(guān)鍵是根據(jù)斷層的保安煤柱來實(shí)行可靠的確定。斷層的保安煤柱確定可以利用GIS緩沖區(qū)域的分析得到。空間的統(tǒng)計(jì)分析以及多源信息有效擬合和數(shù)據(jù)挖掘亦是瓦斯和水害等安全隱患監(jiān)測經(jīng)常使用GIS空間分析方式，如物探水文的異常區(qū)域確定以及瓦斯突出相應(yīng)的危險(xiǎn)區(qū)域確定。

3．4決策支持體制與煤礦管理水平評價(jià)指標(biāo)

體制庫以及模型庫、方式庫與圖形庫均是礦井的自然災(zāi)害隱患識別和決策的最基礎(chǔ)。利用礦井的自然災(zāi)害隱患識別決策來支持體系具體的功能呈現(xiàn)礦井的自然災(zāi)害隱患識別以及決策分析，在根源處提高煤礦的安全管理水平。分類構(gòu)建礦井的自然災(zāi)害實(shí)時(shí)監(jiān)控體系，進(jìn)行動態(tài)跟蹤相應(yīng)的災(zāi)害實(shí)時(shí)數(shù)據(jù)，并事實(shí)呈現(xiàn)礦井的自然災(zāi)害數(shù)據(jù)或是信息和自然災(zāi)害的指標(biāo)體系庫以及模型庫與知識庫、空間數(shù)據(jù)庫的合理化比較，并運(yùn)用圖形庫的數(shù)據(jù)再通過GIS空間分析方式來確定安全隱患的，礦井自然災(zāi)害的隱患實(shí)時(shí)警報(bào)并進(jìn)行決策分析，以提交空間數(shù)據(jù)的自然災(zāi)害隱患識別以及分析處理的決策性報(bào)告。

篇（7）

2、基于模塊化方法的課程內(nèi)容分析

模塊化教學(xué)模式是按照程序模塊化的構(gòu)想和原則來設(shè)計(jì)教學(xué)內(nèi)容的一整套教學(xué)體系，它是在既定的培養(yǎng)目標(biāo)指導(dǎo)下，將全部教學(xué)內(nèi)容按照一定標(biāo)準(zhǔn)或規(guī)則進(jìn)行分解，使其成為多個(gè)相對獨(dú)立的教學(xué)模塊，且各教學(xué)模塊之間可以按照一定的規(guī)則有選擇性的重新組合。該方法在20世紀(jì)70年代，由國際勞工組織引入教學(xué)之中，開發(fā)出以現(xiàn)場教學(xué)為主，以技能培訓(xùn)為核心的模塊化教學(xué)模式，在很多國家得到廣泛應(yīng)用。由于該教學(xué)法具有針對性、靈活性、現(xiàn)實(shí)性等特點(diǎn)，越來越受到教育界的關(guān)注。模塊化教學(xué)本質(zhì)上是以知識點(diǎn)與實(shí)踐的細(xì)化為出發(fā)點(diǎn)研究，本課程的知識點(diǎn)細(xì)化分為兩個(gè)層次：一是從宏觀角度，參考ACM的SIGKDD的數(shù)據(jù)挖掘課程建設(shè)建議，設(shè)計(jì)課程的基礎(chǔ)內(nèi)容模塊和高級主題模塊；二是從微觀角度，針對較為復(fù)雜的算法進(jìn)行的知識點(diǎn)劃分。課程內(nèi)容的一至五章屬于基礎(chǔ)內(nèi)容模塊，介紹本課程的基礎(chǔ)理論和入門的數(shù)據(jù)挖掘技術(shù)；六至第八章介于基礎(chǔ)內(nèi)容與高級主題之間，介紹數(shù)據(jù)挖掘的核心算法，可以根據(jù)學(xué)生情況進(jìn)行靈活處理，可強(qiáng)調(diào)應(yīng)用，也可深化算法介紹；第九、十章為高級主題模塊，可以作為擴(kuò)展材料介紹應(yīng)用，或?yàn)楦信d趣同學(xué)提供算法介紹；課程實(shí)踐模塊包含數(shù)據(jù)倉庫建設(shè)與數(shù)據(jù)挖掘算法的應(yīng)用，難度居中，可以在引導(dǎo)學(xué)生思考的前提下給出實(shí)驗(yàn)步驟，并引導(dǎo)學(xué)生使用類似的方法處理不同的數(shù)據(jù)。

3、基于模塊化方法進(jìn)行重要知識點(diǎn)的模塊化分析

重要知識點(diǎn)內(nèi)涵較為豐富，一般體現(xiàn)在經(jīng)典數(shù)據(jù)挖掘算法上，通常一大類算法下還分有多個(gè)算法，不同算法的在難度上有漸進(jìn)層次，同一種算法也有很大改進(jìn)研究空間，講授彈性比較大。因此，適合使用模塊化方法進(jìn)行處理，并且需要在課程設(shè)計(jì)中明確一定課時(shí)量所要達(dá)到的內(nèi)容和難度。基礎(chǔ)部分為必選內(nèi)容，介紹基本概念和基本原理；決策樹作為數(shù)據(jù)挖掘分類算法的最基礎(chǔ)算法也是必選內(nèi)容，決策樹算法有多種分類，需要進(jìn)行按照難易程度進(jìn)行選擇；最后要根據(jù)難度選擇其他分類算法進(jìn)行介紹。

篇（8）

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

在部隊(duì)食品采購系統(tǒng)實(shí)際應(yīng)用工程中，其實(shí)可以運(yùn)用MicrosoftSQLServerAnalysisServices來對數(shù)據(jù)進(jìn)行分析，并且在數(shù)據(jù)挖掘過程中對多維數(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，增長的也比較快，因此，進(jìn)行手動查找是很困難的，數(shù)據(jù)挖掘技術(shù)提供的計(jì)算模式可以很好的對數(shù)據(jù)進(jìn)行分析與查找。在建設(shè)部隊(duì)食品采購倉庫數(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，對提高我國部隊(duì)?wèi)?zhàn)斗力有著深遠(yuǎn)的意義。

篇（9）

（2）計(jì)算機(jī)網(wǎng)絡(luò)病毒傳播形式的多樣性。計(jì)算機(jī)網(wǎng)絡(luò)和網(wǎng)絡(luò)病毒相互之間存在著很緊密的聯(lián)系，網(wǎng)絡(luò)電子郵件、網(wǎng)絡(luò)系統(tǒng)漏洞以及不良網(wǎng)頁都是網(wǎng)絡(luò)病毒進(jìn)行傳播的重要途徑，進(jìn)而對計(jì)算機(jī)網(wǎng)絡(luò)系統(tǒng)造成蓄意破壞。計(jì)算機(jī)網(wǎng)絡(luò)系統(tǒng)的傳播形式有很多種，網(wǎng)絡(luò)病毒在網(wǎng)絡(luò)系統(tǒng)漏洞中的傳播就是常見的一種病毒傳播方式，計(jì)算機(jī)網(wǎng)絡(luò)病毒程序通過對Internet遠(yuǎn)程主機(jī)系統(tǒng)的搜索和掃描，利用系統(tǒng)漏洞到達(dá)控制對方計(jì)算機(jī)的控制。同時(shí)也有一種病毒通過對文件夾的搜索掃描，進(jìn)行病毒復(fù)制，以到達(dá)入侵網(wǎng)絡(luò)系統(tǒng)的目的。

（3）計(jì)算機(jī)網(wǎng)絡(luò)病毒的針對性。在計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)發(fā)展初期，計(jì)算機(jī)網(wǎng)絡(luò)病毒主要目標(biāo)就是干擾網(wǎng)絡(luò)技術(shù)人員的程序編寫，隨著計(jì)算機(jī)技術(shù)的快速發(fā)展，計(jì)算機(jī)網(wǎng)絡(luò)病毒的開發(fā)技術(shù)和功能作用也發(fā)生了很多變化，如今，計(jì)算機(jī)網(wǎng)絡(luò)病毒的設(shè)計(jì)和開發(fā)已經(jīng)開始商業(yè)化，針對性地對計(jì)算機(jī)網(wǎng)絡(luò)系統(tǒng)實(shí)施破壞，如通過盜用網(wǎng)銀賬號和密碼等方式以達(dá)到非法獲取利益的目的。

2數(shù)據(jù)挖掘技術(shù)簡析

數(shù)據(jù)挖掘技術(shù)是通過對所處一定范圍之內(nèi)的所有數(shù)據(jù)進(jìn)行數(shù)據(jù)收集、數(shù)據(jù)分類以及數(shù)據(jù)歸類，進(jìn)而來判斷是否存在某種潛在的關(guān)系和數(shù)據(jù)規(guī)律，主要環(huán)節(jié)有3個(gè)，準(zhǔn)備數(shù)據(jù)；尋找數(shù)據(jù)存在的規(guī)律；表現(xiàn)數(shù)據(jù)規(guī)律。數(shù)據(jù)挖掘模式設(shè)置好之后，技術(shù)系統(tǒng)中的挖掘引擎就會以數(shù)據(jù)庫中的要求為依據(jù)，對準(zhǔn)備好的數(shù)據(jù)進(jìn)行數(shù)據(jù)分析和數(shù)據(jù)歸類，找出各個(gè)數(shù)據(jù)之間存在的關(guān)系和相應(yīng)的數(shù)據(jù)規(guī)律，以便成為之后數(shù)據(jù)分析的有利依據(jù)，數(shù)據(jù)挖掘技術(shù)是比較全面的挖掘技術(shù)和數(shù)據(jù)應(yīng)用技術(shù)，工作過程比較繁雜，工作操作步驟較多，其中存在很大部分的準(zhǔn)備環(huán)節(jié)和規(guī)劃工作，數(shù)據(jù)挖掘技術(shù)的重點(diǎn)工作是對數(shù)據(jù)的預(yù)處理階段，對數(shù)據(jù)的預(yù)處理階段是數(shù)據(jù)挖掘技術(shù)的基礎(chǔ)，是后期進(jìn)行數(shù)據(jù)分析的必要條件。

3以數(shù)據(jù)挖掘技術(shù)為基礎(chǔ)的計(jì)算機(jī)網(wǎng)絡(luò)病毒防御分析

3.1數(shù)據(jù)挖掘技術(shù)的構(gòu)成分析

數(shù)據(jù)挖掘技術(shù)在計(jì)算機(jī)網(wǎng)絡(luò)病毒防御中的應(yīng)用過程比較復(fù)雜，步驟繁多，為了便于日常操作應(yīng)用，掌握每個(gè)環(huán)節(jié)的基本特征，可以對預(yù)處理模塊、決策模塊、數(shù)據(jù)收集模塊、數(shù)據(jù)挖掘模塊以及規(guī)則庫模塊進(jìn)行分模塊分析研究。

（1）數(shù)據(jù)預(yù)處理模塊分析。簡化數(shù)據(jù)挖掘技術(shù)中數(shù)據(jù)挖掘和數(shù)據(jù)分析之間的處理操作可以通過數(shù)據(jù)預(yù)處理模塊來實(shí)現(xiàn)，利用數(shù)據(jù)預(yù)處理模塊可以整體上提高數(shù)據(jù)挖掘效果，提高數(shù)據(jù)辨識度和準(zhǔn)確度。在完成數(shù)據(jù)收集后需要把數(shù)據(jù)導(dǎo)入到預(yù)處理模塊，實(shí)現(xiàn)數(shù)據(jù)的分析歸類和數(shù)據(jù)變換，通過這樣額方式把數(shù)據(jù)轉(zhuǎn)換成可以被系統(tǒng)識別和處理的數(shù)據(jù)內(nèi)容。以目標(biāo)IP地址、源IP地址、端口信息等這些據(jù)數(shù)據(jù)包當(dāng)中所包括的信息內(nèi)容為依據(jù)，實(shí)施數(shù)據(jù)集合、數(shù)據(jù)歸納、數(shù)據(jù)處理等流程。

（2）決策模塊分析。在數(shù)據(jù)挖掘技術(shù)中的決策功能模塊中，通過對數(shù)據(jù)的挖掘從而對數(shù)據(jù)庫進(jìn)行構(gòu)建，然后對數(shù)據(jù)進(jìn)行匹配，同時(shí)數(shù)據(jù)庫還要和規(guī)則庫密切聯(lián)系起來。如果數(shù)據(jù)庫有與規(guī)則庫存在高度聯(lián)系的信息出現(xiàn)，證明在決策模塊里有病毒特征存在，很可能會感染到計(jì)算機(jī)病毒。如果是結(jié)果數(shù)據(jù)庫的數(shù)據(jù)信息和規(guī)則庫的數(shù)據(jù)不能相互匹配，那也就是說該數(shù)據(jù)包中存在有帶有新型特征病的毒帶，也就是出現(xiàn)了新型的規(guī)則類，這樣的情況下就需要把該帶有新型特征的病毒導(dǎo)入到系統(tǒng)的規(guī)則庫當(dāng)中，規(guī)則庫的一種較新型的規(guī)則類別也就形成了。

（3）數(shù)據(jù)收集模塊分析。實(shí)現(xiàn)數(shù)據(jù)挖掘的基本要求是提供充分的數(shù)據(jù)信息，只有通過數(shù)據(jù)收集才能實(shí)現(xiàn)數(shù)據(jù)收集模塊的功能。數(shù)據(jù)收集模塊通過對計(jì)算機(jī)網(wǎng)絡(luò)中數(shù)據(jù)包的抓取和收集來實(shí)現(xiàn)數(shù)據(jù)信息，數(shù)據(jù)信息被收集后就會具有一定的數(shù)據(jù)結(jié)構(gòu)和比較重要的功能信息。

（4）數(shù)據(jù)挖掘模塊分析。數(shù)據(jù)挖掘技術(shù)的一個(gè)最關(guān)鍵部分就是數(shù)據(jù)挖掘模塊。數(shù)據(jù)挖掘模塊中的事件庫和數(shù)據(jù)挖掘算法是數(shù)據(jù)挖掘模塊的關(guān)鍵部分。數(shù)據(jù)挖掘?qū)ο嚓P(guān)數(shù)據(jù)的收集構(gòu)成了事件庫，通過對事件庫中數(shù)據(jù)的分類和數(shù)據(jù)整理，進(jìn)而可以獲取較為準(zhǔn)確的數(shù)據(jù)結(jié)構(gòu)。

（5）規(guī)則庫模塊分析。規(guī)則庫模塊是數(shù)據(jù)挖掘技術(shù)的一個(gè)重要組成部分，可以幫助優(yōu)化數(shù)據(jù)挖掘信息庫，給系統(tǒng)提供需要的病毒分析數(shù)據(jù)。如果有網(wǎng)絡(luò)病毒在計(jì)算機(jī)系統(tǒng)中出現(xiàn)，規(guī)則庫模塊就可以進(jìn)行數(shù)據(jù)分析和數(shù)據(jù)識別，以及實(shí)現(xiàn)數(shù)據(jù)挖掘。在數(shù)據(jù)挖掘的過程中，網(wǎng)絡(luò)病毒屬性會被挖掘過程中獲取的規(guī)則集調(diào)整和改變，并且把這個(gè)記錄繼續(xù)使用在數(shù)據(jù)挖掘中，這項(xiàng)記錄可以幫助計(jì)算機(jī)系統(tǒng)對一些潛在的網(wǎng)絡(luò)病毒進(jìn)行分析，進(jìn)而起到防御病毒的作用。

3.2以數(shù)據(jù)挖掘技術(shù)為基礎(chǔ)的網(wǎng)絡(luò)病毒防御系統(tǒng)

（1）數(shù)據(jù)挖掘技術(shù)中的關(guān)聯(lián)規(guī)則分析。數(shù)據(jù)挖掘技術(shù)的關(guān)聯(lián)規(guī)則就是指在同一類別的數(shù)據(jù)中有可以被發(fā)現(xiàn)的知識存在，通過對兩個(gè)或者超過兩個(gè)的變量進(jìn)行取值，如果發(fā)現(xiàn)數(shù)據(jù)具有一定規(guī)律的話說明這些數(shù)據(jù)和數(shù)據(jù)之間存在著某種關(guān)聯(lián)性。因果關(guān)聯(lián)、及時(shí)序關(guān)聯(lián)以及簡單關(guān)聯(lián)是存在數(shù)據(jù)挖掘技術(shù)中的幾種主要關(guān)聯(lián)關(guān)系。要找到數(shù)據(jù)庫中的關(guān)聯(lián)網(wǎng)，就需要進(jìn)行關(guān)聯(lián)分析，然后結(jié)合數(shù)據(jù)和數(shù)據(jù)之間的關(guān)聯(lián)性進(jìn)行數(shù)據(jù)挖掘，進(jìn)而得到數(shù)據(jù)和數(shù)據(jù)存在的關(guān)聯(lián)規(guī)則。

篇（10）

2、國內(nèi)外文獻(xiàn)綜述

挑選中國知網(wǎng)數(shù)據(jù)庫，以“知識管理”為主題關(guān)鍵詞進(jìn)行精確檢索，共找到 31，324 篇文獻(xiàn)，其中 2004 年至2014 年間共發(fā)表文獻(xiàn) 24，895 篇，近十年是知識管理領(lǐng)域研究的高峰期。以“高校知識管理”或“大學(xué)知識管理”為主題關(guān)鍵字進(jìn)行精確檢索，得到 248 篇相關(guān)文獻(xiàn)，可發(fā)現(xiàn)針對高校的知識管理研究較少。針對結(jié)果進(jìn)行二次檢索，增加主題關(guān)鍵詞“數(shù)據(jù)挖掘”得到相關(guān)文獻(xiàn) 3 篇，表明對高校知識管理與數(shù)據(jù)挖掘技術(shù)結(jié)合的研究較少，所得文獻(xiàn)主要觀點(diǎn)包括：1.數(shù)據(jù)挖掘技術(shù)可用于高校知識發(fā)現(xiàn)；2.數(shù)據(jù)挖掘?qū)χR管理體系建設(shè)有推動作用；3. 高校知識管理成果可通過數(shù)據(jù)挖掘技術(shù)進(jìn)行評價(jià)。對國外學(xué)者的研究情況進(jìn)行分析，挑選 Web ofScience 數(shù)據(jù)庫。以“knowledge management”為主題關(guān)鍵字進(jìn)行檢索，共得到 62，474 篇文獻(xiàn)，以“knowledgemanagement of college”為主題關(guān)鍵字檢索，得到 647篇文獻(xiàn)，再結(jié)合關(guān)鍵詞“Data mining”，共得到文獻(xiàn) 5 篇。由此可見，國外相關(guān)研究比國內(nèi)多出近一倍，并且研究的程度深、范圍廣。但關(guān)于高校知識管理與具體信息技術(shù)結(jié)合應(yīng)用的文獻(xiàn)仍較少，且發(fā)表日期多為 2010 年后。

3、知識管理與數(shù)據(jù)挖掘結(jié)合的軟件要求

知識管理與數(shù)據(jù)挖掘技術(shù)的結(jié)合運(yùn)用對高校相關(guān)設(shè)備提出了一定的要求，包括對服務(wù)器、客戶端計(jì)算機(jī)的硬件要求以及對知識管理平臺、數(shù)據(jù)挖掘工具的軟件要求，本文中將重點(diǎn)敘述軟件要求。

知識管理平臺要求

知識管理平臺是高校知識管理的實(shí)施基礎(chǔ)，它為高校人員提供了可視化的操作界面，其應(yīng)實(shí)現(xiàn)的基本功能包括：1.數(shù)據(jù)接口；2.工具接口；3.數(shù)據(jù)挖掘（內(nèi)置或外接）；4.知識倉庫；5.知識索引、推薦；6.信息檢索；7.組織內(nèi)交流；8. 管理評價(jià)。一個(gè)知識管理平臺應(yīng)分為：表現(xiàn)層、服務(wù)層、處理層、存儲層。表現(xiàn)層是面向用戶的可視化界面，用于人機(jī)交互，接受用戶的任務(wù)；服務(wù)層對任務(wù)進(jìn)行調(diào)度、處理，直接執(zhí)行無需數(shù)據(jù)挖掘的任務(wù)并反饋至表現(xiàn)層，調(diào)度需要數(shù)據(jù)挖掘的任務(wù)至處理層；處理層負(fù)責(zé)數(shù)據(jù)預(yù)處理、數(shù)據(jù)挖掘、知識發(fā)現(xiàn)等功能；存儲層包括校方數(shù)據(jù)庫及知識倉庫。具體層次如圖 1 所示。根據(jù)高校組織的特征，知識管理平臺應(yīng)在實(shí)現(xiàn)基本功能的前提下具有以下特點(diǎn)：1. 接口質(zhì)量高。高校集行政、科研、社會服務(wù)等任務(wù)于一體，需要處理海量數(shù)據(jù)，應(yīng)提供接口以使用專業(yè)處理工具處理復(fù)雜任務(wù)，保證數(shù)據(jù)處理的效率與深度；2. 內(nèi)置數(shù)據(jù)挖掘功能。高校所含數(shù)據(jù)種類多、范圍廣，對結(jié)構(gòu)簡單、數(shù)據(jù)量小的數(shù)據(jù)可直接使用內(nèi)置數(shù)據(jù)挖掘功能處理，節(jié)省時(shí)間；3. 交流功能強(qiáng)。高校為知識密集型組織，其學(xué)科、職能間存在交叉，優(yōu)秀的交流功能保證了知識的共享及創(chuàng)新。4. 完善的激勵(lì)體系。激勵(lì)體系不僅體現(xiàn)在平臺的評價(jià)功能中，更體現(xiàn)在管理人員的管理中，通過提高人員的積極性促進(jìn)知識管理進(jìn)程的實(shí)施。

數(shù)據(jù)挖掘工具要求

高校所含知識從相關(guān)對象分類可分為兩類：1. 管理知識，指高校各部門（教學(xué)、后勤部門等）用于高校管理的知識；2. 科研知識，指各學(xué)科的專業(yè)知識。前者主要與高校行政、管理人員相關(guān)，后者則與高校學(xué)者、教授關(guān)系更大。針對不同的用戶，知識管理與數(shù)據(jù)挖掘的結(jié)合運(yùn)用對數(shù)據(jù)挖掘軟件提出了不同的要求。高校行政、管理人員所面對的數(shù)據(jù)多來自高校各類信息系統(tǒng)的記錄，如：校園卡消費(fèi)信息、機(jī)房上機(jī)信息，具有量大、范圍廣、結(jié)構(gòu)一致等特點(diǎn)。用于該類數(shù)據(jù)挖掘的挖掘工具可內(nèi)置于知識管理平臺中，便于數(shù)據(jù)存取，提高挖掘速度。常用功能為預(yù)測、分類、評價(jià)三項(xiàng)，主要方法可選用回歸分析、趨勢外推、特征分類、層次分析、模糊綜合評價(jià)法等。結(jié)合使用者特點(diǎn)，該類挖掘工具應(yīng)提供獨(dú)立的、具有既定模式的工作界面，減少用戶與算法的接觸，挖掘結(jié)果應(yīng)具有較強(qiáng)可視性，提供圖、表界面，以便用戶理解。高校科研知識主要來自于學(xué)者、教授的科學(xué)研究，包括：實(shí)驗(yàn)數(shù)據(jù)、主觀推測描述等，具有專業(yè)性強(qiáng)、層次深、結(jié)構(gòu)復(fù)雜等特點(diǎn)。針對挖掘要求較低的數(shù)據(jù)，可使用知識管理平臺中的內(nèi)置挖掘工具，而針對挖掘要求高的數(shù)據(jù)，可選用專業(yè)數(shù)據(jù)挖掘軟件，如：Intelligent Miner、QUEST 等，通過知識管理平臺的接口進(jìn)行對接。

4、知識管理與數(shù)據(jù)挖掘結(jié)合的具體策略

知識管理的基本職能可概括為外化、內(nèi)化、中介、認(rèn)知四大部分，其中前三項(xiàng)職能對信息技術(shù)的依賴較強(qiáng)，可用數(shù)據(jù)挖掘技術(shù)進(jìn)行輔助。數(shù)據(jù)挖掘的過程分為條件匹配、選擇、激活、應(yīng)用四部分，即對數(shù)據(jù)進(jìn)行預(yù)處理后，選擇相關(guān)數(shù)據(jù)記錄，根據(jù)用戶要求選擇相應(yīng)技術(shù)進(jìn)行數(shù)據(jù)挖掘，得出并解釋數(shù)據(jù)挖掘結(jié)果，最終將這些記錄應(yīng)用于實(shí)踐中。兩者的具體結(jié)合策略如下：

輔助知識管理體系建設(shè)

知識管理本質(zhì)是一個(gè)周期性管理過程，在這一過程中實(shí)現(xiàn)組織知識共享、創(chuàng)新等，最終提升組織綜合實(shí)力，其中知識管理體系建設(shè)是實(shí)現(xiàn)知識管理的宏觀條件。知識管理體系建設(shè)是一個(gè)系統(tǒng)、全面的工程，包括組織結(jié)構(gòu)調(diào)整、確定激勵(lì)制度、知識管理文化培養(yǎng)、成效評估等任務(wù)。數(shù)據(jù)挖掘技術(shù)，可以為知識管理體系建設(shè)提供依據(jù)，保證相關(guān)決策的科學(xué)性。數(shù)據(jù)挖掘?qū)χR管理體系建設(shè)的幫助主要體現(xiàn)在以知識主管為主的知識管理部門對高校的管理、決策當(dāng)中。知識管理部門收集并預(yù)處理外校、本校知識管理體系建設(shè)的相關(guān)數(shù)據(jù)，完成輔助決策的數(shù)據(jù)倉庫的建設(shè)。管理人員可根據(jù)要求，從數(shù)據(jù)倉庫中選擇數(shù)據(jù)，利用對應(yīng)模型完成挖掘，通過挖掘結(jié)果對決策做出幫助。以制定激勵(lì)制度為例，管理人員選擇與高校人員喜好相關(guān)的數(shù)據(jù)，如至少包含“部門”、“喜好”、“性別”字段，利用關(guān)聯(lián)算法對其進(jìn)行計(jì)算，即可得出各部門工作人員的喜好，以此為據(jù)制定相應(yīng)激勵(lì)制度。

知識外化

知識外化是指組織從組織外部獲取與本組織相關(guān)的知識、發(fā)現(xiàn)歸集組織內(nèi)部存在的知識并進(jìn)行存儲以備用的過程。完成知識外化的關(guān)鍵即知識發(fā)現(xiàn)，其較為常用的方法包括主觀歸納、隱性知識外顯等。目前學(xué)界中較為認(rèn)可、使用較普遍的方法即數(shù)據(jù)知識發(fā)現(xiàn)（KnowledgeDiscovery in Database， KDD），指從數(shù)據(jù)集中識別出表明一定模式的、有效的、潛在的信息歸納為知識的過程。這是數(shù)據(jù)挖掘與知識管理結(jié)合應(yīng)用的最重要部分。同時(shí)，數(shù)據(jù)挖掘技術(shù)只給定挖掘目標(biāo)，不給出假設(shè)、前提，因此在使用數(shù)據(jù)挖掘的過程中可獲取一些計(jì)劃外的知識，為知識管理提供一個(gè)可靠的知識源。此處存在兩個(gè)前提：第一，知識發(fā)現(xiàn)不能僅僅依靠信息技術(shù)，更需要人員對挖掘結(jié)果進(jìn)行主觀歸納，解釋其語義以完成知識的推理；第二，挖掘?qū)ο笮柽M(jìn)行預(yù)處理，并轉(zhuǎn)化成邏輯數(shù)據(jù)。利用數(shù)據(jù)挖掘技術(shù)進(jìn)行知識發(fā)現(xiàn)有多種可用方法：利用分類和聚類分析可提供知識索引和發(fā)現(xiàn)特殊情況下的離群值和孤立點(diǎn)，知識索引可細(xì)化知識所屬領(lǐng)域和確定挖掘范圍，離群值和孤立點(diǎn)可為挖掘人員提供歸納的線索，若其存在一定規(guī)律則可得出模型、規(guī)則；使用模糊技術(shù)、統(tǒng)計(jì)方法可得出對高校決策的評測分析，判斷方案的有效性，并得出模式，用于同類決策處理；使用粗糙集和主成份分析法定義知識發(fā)現(xiàn)中的主要特征，結(jié)合已有知識庫對不確定、不精準(zhǔn)的知識進(jìn)行細(xì)化；使用關(guān)聯(lián)規(guī)則發(fā)現(xiàn)大量數(shù)據(jù)集各字段中潛在的聯(lián)系。以關(guān)聯(lián)規(guī)則的使用為例，選擇 Apriori 算法，挖掘目的是發(fā)現(xiàn)學(xué)生學(xué)習(xí)情況中的潛在知識。首先從數(shù)據(jù)倉庫中選出與學(xué)生課程成績相關(guān)的數(shù)據(jù)集，包括姓名、院系、性別、課程號、課程類別、成績等字段，進(jìn)行預(yù)處理，將字段中的取值轉(zhuǎn)化為邏輯值，代表不同語義，如：性別字段，男設(shè)值 1，女設(shè)值 2。操作人員設(shè)置最小支持度、置信度，通過數(shù)據(jù)挖掘工具進(jìn)行挖掘，得出關(guān)聯(lián)規(guī)則并進(jìn)行解釋。若結(jié)果顯示 XX 院系、男生、A 類別 => 成績優(yōu)秀構(gòu)成管理規(guī)則，則表示XX院系的男生對于A類別科目較感興趣，學(xué)習(xí)成績優(yōu)秀，可在歸納后存入知識倉庫。

知識內(nèi)化、中介

知識內(nèi)化是發(fā)現(xiàn)特定人員知識需求，并為其提供相應(yīng)知識的過程，內(nèi)化的關(guān)鍵是對知識的聚類、對人員的興趣挖掘。知識中介是指組織中存在一定量無法編碼儲存的知識，針對這些知識，通過一定手段，將知識的需求者與知識來源進(jìn)行匹配，為兩者提供交流的途徑。數(shù)據(jù)挖掘在知識內(nèi)化、中介中所起的作用主要是對高校人員特征的挖掘。在利用數(shù)據(jù)挖掘技術(shù)發(fā)現(xiàn)知識后，通過知識管理平臺進(jìn)行分類存儲、添加索引，作為備選。對高校人員數(shù)據(jù)庫中數(shù)據(jù)進(jìn)行挖掘，可利用聚類分析、預(yù)測模型等，得出特定人員的特長領(lǐng)域、興趣愛好，從而根據(jù)先前設(shè)置的知識索引為其提供信息。若定期對人員特征數(shù)據(jù)進(jìn)行挖掘，并根據(jù)結(jié)果為高校人員推送相關(guān)知識、信息，即可實(shí)現(xiàn)個(gè)性化推送，其推送內(nèi)容由人員特征數(shù)據(jù)決定。高校組織中擁有大量教授、學(xué)者，其所擁有的知識是一筆巨大財(cái)富，加強(qiáng)相關(guān)領(lǐng)域間人員的交流、溝通，可以促進(jìn)知識共享、創(chuàng)新，提升組織綜合實(shí)力，這正是知識管理中介職能的作用。通過上文中相同的挖掘方法，在對教授、學(xué)者特征進(jìn)行挖掘后，對他們的研究方向進(jìn)行聚類分析，由挖掘結(jié)果，為相關(guān)人員提供合適的建議、利用知識管理平臺為特征相似或同一聚類中的教授、學(xué)者提供交流的途徑，進(jìn)而促進(jìn)知識的共享。

數(shù)據(jù)挖掘技術(shù)推動圖書館管理

圖書館是高校組織中的特殊資源，含有大量精確或模糊、成型或不成型的知識，是一種實(shí)體的知識倉庫。對圖書館的有效管理有助于高校知識管理的實(shí)施。目前，已有不少圖書館專家將數(shù)據(jù)挖掘技術(shù)引入圖書館管理，提出了針對圖書館的數(shù)據(jù)挖掘應(yīng)用理論。圖書館數(shù)據(jù)挖掘?qū)ο笾饕ㄈ齻€(gè)：1.圖書信息；2.讀者信息 3. 讀者借閱信息。通過對三者挖掘結(jié)果的綜合，可為圖書館資源建設(shè)、讀者服務(wù)、個(gè)性化服務(wù)提供幫助。根據(jù)挖掘結(jié)果分析，可做到客觀、合理引入資源，做到讓數(shù)據(jù)說話而不是讓管理人員說話，減少了管理人員個(gè)體的主觀影響，使高校圖書館經(jīng)費(fèi)發(fā)揮最大效用；提升讀者服務(wù)質(zhì)量，在讀者進(jìn)行檢索時(shí)減少等待時(shí)間，改變以往被動檢索的情況，通過用戶數(shù)據(jù)挖掘?yàn)橛脩籼峁┲鲃拥男畔⑼扑停惶峁﹤€(gè)性化服務(wù)，以挖掘結(jié)果為依據(jù)，針對不同用戶提供不同服務(wù)，比如不同的圖書館系統(tǒng)管理界面。

充分發(fā)揮管理職能

知識管理是一個(gè)系統(tǒng)工程，包含平臺開發(fā)、體系構(gòu)建、文化培養(yǎng)等，其在實(shí)踐中設(shè)計(jì)大量的數(shù)據(jù)操作。數(shù)據(jù)挖掘技術(shù)可在知識管理的實(shí)踐過程中為各項(xiàng)信息處理工作提供支撐，從而為操作人員提供便利，間接縮短知識管理的周期時(shí)間。將高校知識管理與數(shù)據(jù)挖掘技術(shù)相結(jié)合可有效促進(jìn)知識管理具體操作中的工作效率。兩者的結(jié)合對高校人員管理具有積極作用，數(shù)據(jù)挖掘與知識管理在實(shí)踐中相互影響，提升操作人員素養(yǎng)。數(shù)據(jù)挖掘需要專業(yè)人員進(jìn)行操作，操作人員的綜合素養(yǎng)將決定挖掘成果的質(zhì)量。知識管理可有效促進(jìn)數(shù)據(jù)挖掘人員對知識的認(rèn)知，使操作人員對不同要求所對應(yīng)的挖掘技術(shù)、模型的選擇更為準(zhǔn)確，提升挖掘成果的質(zhì)量，使知識更加清晰、獨(dú)立、可接受。

篇（11）

在畢業(yè)論文管理工作不斷加強(qiáng)的情況下，注重管理模式的更新和合理選用，提高匹配算法的針對性，才能真正提高高校教務(wù)管理水平。因此，對深度挖掘匹配算法在畢業(yè)論文管理中的應(yīng)用有比較全面的了解，才能為高校教務(wù)管理工作提供可靠參考依據(jù)。

1 深度挖掘匹配算法的相關(guān)分析

根據(jù)深度挖掘匹配算法在畢業(yè)論文管理中的應(yīng)用情況進(jìn)行全面分析來看，其主要包括如下兩個(gè)方面：

1.1 志愿自動匹配算法的相關(guān)分析

對學(xué)生和課題的選擇關(guān)系進(jìn)行合理分析可知，兩者的最優(yōu)、最大匹配，最好是根據(jù)學(xué)生的實(shí)際情況量身定做，才能真正實(shí)現(xiàn)課題與學(xué)生的最完美匹配。因此，教師提出相關(guān)題目時(shí)，需要對學(xué)生的情況、特性和要求等進(jìn)行全面分析，才能在學(xué)生對課題的特性、關(guān)聯(lián)性等有一定了解的情況下，提高課題與學(xué)生的匹配概率，最終讓學(xué)生選定最合適的課題。在實(shí)踐過程中，志愿自動匹配算法的合理運(yùn)用，需要根據(jù)畢業(yè)論文的管理流程，從教師出題開始。一般情況下，教師應(yīng)該先提出大題讓學(xué)生自由選擇，在匹配學(xué)生確定好以后將大題分成幾個(gè)小題，從而將每個(gè)小題分配給合適的學(xué)生。在這種情況下，教師設(shè)定的課題需要從修讀課程達(dá)到的分?jǐn)?shù)、難度、所屬類別等多個(gè)方面確定，并從教務(wù)管理系統(tǒng)中獲取學(xué)生的成績和選題積分點(diǎn)等，才能根據(jù)分?jǐn)?shù)線來判定學(xué)生是否符合相關(guān)選題。其中，選題的難度在簡單、一般、難、很難和非常難幾個(gè)等級，對應(yīng)的成績是及格、良好、優(yōu)秀、極好。在實(shí)際進(jìn)行選題時(shí)，學(xué)生可以根據(jù)自己的情況選擇三個(gè)題目作為志愿，以在系統(tǒng)完成匹配后，自定將題目下發(fā)給學(xué)生。在實(shí)踐過程中，初始化志愿顯示的是學(xué)生的第一志愿，在經(jīng)過while、if、else、break、continue等流程后，系統(tǒng)會將題目和學(xué)生進(jìn)行適當(dāng)分類，以確保題目與學(xué)生的匹配最合理、最科學(xué)。由此可見，志愿自動匹配算法是優(yōu)先對具有課題相關(guān)能力的學(xué)生進(jìn)行匹配的，在學(xué)生人數(shù)低于匹配數(shù)量的情況下，可繼續(xù)為積分點(diǎn)高、能力稍差的學(xué)生進(jìn)行匹配，對于確保課程成績與積分點(diǎn)的完美結(jié)合有著極大影響。

1.2 調(diào)劑學(xué)生算法的相關(guān)分析

在經(jīng)過上述算法進(jìn)行匹配后，根據(jù)學(xué)生的實(shí)際情況進(jìn)行深層挖掘，可以實(shí)現(xiàn)課題與剩余學(xué)生的完美調(diào)劑。因此，對上述階段中匹配失敗的學(xué)生志愿所選的教師、課題類別、難度等因素進(jìn)行深度挖掘，并將搜索結(jié)果作為匹配課題的依據(jù)，才能在縮小搜索范圍的情況下，找到與剩余學(xué)生最合適的課題。如果出現(xiàn)相近課題較多的情況，則需要有學(xué)生、工作人員共同協(xié)商，以確定最終和最適合學(xué)生的課堂。在實(shí)踐應(yīng)用中，調(diào)劑學(xué)生算法的運(yùn)用需要對需要調(diào)劑的學(xué)生進(jìn)行合理分析，并通過if、else、return、while、continue、else等多個(gè)流程，才能真正匹配出最適合學(xué)生的課題。

2 深度挖掘匹配算法在畢業(yè)論文管理中的實(shí)際應(yīng)用

根據(jù)深度挖掘匹配算法的實(shí)際應(yīng)用來看，在畢業(yè)論文管理中學(xué)生可以了解到最適合自己的課題信息，教師可以根據(jù)學(xué)生的積分點(diǎn)和成績等確定課題，從而避免選擇某一課題的學(xué)生過多或過少的情況出現(xiàn)，對于提高第一志愿自動匹配成功率有著極大作用。因此，在實(shí)際應(yīng)用中，注重教師、課題類別、難度的合理設(shè)定，確保它們的排序科學(xué)，將課堂與學(xué)生的匹配關(guān)系看作是二分圖，并且，每個(gè)學(xué)生可以選擇的課題有三個(gè)，系統(tǒng)可以根據(jù)學(xué)生的實(shí)際情況進(jìn)行自動匹配，最終深度挖掘與學(xué)生志愿匹配的課題。例如：志愿自動匹配和調(diào)劑學(xué)生的總數(shù)都為102人，通過深度挖掘匹配算法匹配成功的人數(shù)分別為72人和90人，成功率達(dá)到了70%、88%。在不使用任何算法進(jìn)行匹配的情況下，兩者的成功率是52%左右。由此可見，在畢業(yè)論文管理系統(tǒng)中，深度挖掘匹配算法在科學(xué)應(yīng)用，可以為教務(wù)管理工作提供可靠參考依據(jù)，對于提高畢業(yè)論文管理工作人員的工作效率有著重要影響。

3 結(jié)語

綜上所述，在深度挖掘匹配算法不斷推廣的情況下，其在畢業(yè)論文管理中的實(shí)際應(yīng)用受到了很多教務(wù)管理工作人員的青睞。因此，充分發(fā)揮深度挖掘匹配算法的作用，提高深度挖掘匹配算法在畢業(yè)論文管理中的應(yīng)用效果，才能更好的滿足學(xué)生的選題需求。

參考文獻(xiàn)

[1]馮麗慧，馮立智.數(shù)據(jù)挖掘在畢業(yè)論文成績管理中的應(yīng)用研究[J].電腦知識與技術(shù)，2012，30：7150-7153.

[2]徐章韜.用信息技術(shù)深度挖掘課程內(nèi)容――以數(shù)學(xué)學(xué)科為例[J].教育發(fā)展研究，2015，12：29-33.

[3]連伊娜.深度挖掘高校檔案文化內(nèi)涵，更好為教育事業(yè)發(fā)展服務(wù)[J].黑龍江史志，2013，11：104-105.

作者簡介