传统数据挖掘与大数据中的数据挖掘的异同毕业设计论文.docx
- 文档编号:28227984
- 上传时间:2023-07-09
- 格式:DOCX
- 页数:37
- 大小:45.18KB
传统数据挖掘与大数据中的数据挖掘的异同毕业设计论文.docx
《传统数据挖掘与大数据中的数据挖掘的异同毕业设计论文.docx》由会员分享,可在线阅读,更多相关《传统数据挖掘与大数据中的数据挖掘的异同毕业设计论文.docx(37页珍藏版)》请在冰豆网上搜索。
传统数据挖掘与大数据中的数据挖掘的异同毕业设计论文
毕业设计论文
传统数据挖掘与大数据中数据挖掘的异同
毕业设计(论文)原创性声明和使用授权说明
原创性声明
本人郑重承诺:
所呈交的毕业设计(论文),是我个人在指导教师的指导下进行的研究工作及取得的成果。
尽我所知,除文中特别加以标注和致谢的地方外,不包含其他人或组织已经发表或公布过的研究成果,也不包含我为获得及其它教育机构的学位或学历而使用过的材料。
对本研究提供过帮助和做出过贡献的个人或集体,均已在文中作了明确的说明并表示了谢意。
作者签名:
日 期:
指导教师签名:
日 期:
使用授权说明
本人完全了解大学关于收集、保存、使用毕业设计(论文)的规定,即:
按照学校要求提交毕业设计(论文)的印刷本和电子版本;学校有权保存毕业设计(论文)的印刷本和电子版,并提供目录检索与阅览服务;学校可以采用影印、缩印、数字化或其它复制手段保存论文;在不以赢利为目的前提下,学校可以公布论文的部分或全部内容。
作者签名:
日 期:
学位论文原创性声明
本人郑重声明:
所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。
除了文中特别加以标注引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写的成果作品。
对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。
本人完全意识到本声明的法律后果由本人承担。
作者签名:
日期:
年月日
学位论文版权使用授权书
本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。
本人授权 大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。
涉密论文按学校规定处理。
作者签名:
日期:
年月日
导师签名:
日期:
年月日
注意事项
1.设计(论文)的内容包括:
1)封面(按教务处制定的标准封面格式制作)
2)原创性声明
3)中文摘要(300字左右)、关键词
4)外文摘要、关键词
5)目次页(附件不统一编入)
6)论文主体部分:
引言(或绪论)、正文、结论
7)参考文献
8)致谢
9)附录(对论文支持必要时)
2.论文字数要求:
理工类设计(论文)正文字数不少于1万字(不包括图纸、程序清单等),文科类论文正文字数不少于1.2万字。
3.附件包括:
任务书、开题报告、外文译文、译文原文(复印件)。
4.文字、图表要求:
1)文字通顺,语言流畅,书写字迹工整,打印字体及大小符合要求,无错别字,不准请他人代写
2)工程设计类题目的图纸,要求部分用尺规绘制,部分用计算机绘制,所有图纸应符合国家技术标准规范。
图表整洁,布局合理,文字注释必须使用工程字书写,不准用徒手画
3)毕业论文须用A4单面打印,论文50页以上的双面打印
4)图表应绘制于无格子的页面上
5)软件工程类课题应有程序清单,并提供电子文档
5.装订顺序
1)设计(论文)
2)附件:
按照任务书、开题报告、外文译文、译文原文(复印件)次序装订
指导教师评阅书
指导教师评价:
一、撰写(设计)过程
1、学生在论文(设计)过程中的治学态度、工作精神
□优□良□中□及格□不及格
2、学生掌握专业知识、技能的扎实程度
□优□良□中□及格□不及格
3、学生综合运用所学知识和专业技能分析和解决问题的能力
□优□良□中□及格□不及格
4、研究方法的科学性;技术线路的可行性;设计方案的合理性
□优□良□中□及格□不及格
5、完成毕业论文(设计)期间的出勤情况
□优□良□中□及格□不及格
二、论文(设计)质量
1、论文(设计)的整体结构是否符合撰写规范?
□优□良□中□及格□不及格
2、是否完成指定的论文(设计)任务(包括装订及附件)?
□优□良□中□及格□不及格
三、论文(设计)水平
1、论文(设计)的理论意义或对解决实际问题的指导意义
□优□良□中□及格□不及格
2、论文的观念是否有新意?
设计是否有创意?
□优□良□中□及格□不及格
3、论文(设计说明书)所体现的整体水平
□优□良□中□及格□不及格
建议成绩:
□优□良□中□及格□不及格
(在所选等级前的□内画“√”)
指导教师:
(签名)单位:
(盖章)
年月日
评阅教师评阅书
评阅教师评价:
一、论文(设计)质量
1、论文(设计)的整体结构是否符合撰写规范?
□优□良□中□及格□不及格
2、是否完成指定的论文(设计)任务(包括装订及附件)?
□优□良□中□及格□不及格
二、论文(设计)水平
1、论文(设计)的理论意义或对解决实际问题的指导意义
□优□良□中□及格□不及格
2、论文的观念是否有新意?
设计是否有创意?
□优□良□中□及格□不及格
3、论文(设计说明书)所体现的整体水平
□优□良□中□及格□不及格
建议成绩:
□优□良□中□及格□不及格
(在所选等级前的□内画“√”)
评阅教师:
(签名)单位:
(盖章)
年月日
教研室(或答辩小组)及教学系意见
教研室(或答辩小组)评价:
一、答辩过程
1、毕业论文(设计)的基本要点和见解的叙述情况
□优□良□中□及格□不及格
2、对答辩问题的反应、理解、表达情况
□优□良□中□及格□不及格
3、学生答辩过程中的精神状态
□优□良□中□及格□不及格
二、论文(设计)质量
1、论文(设计)的整体结构是否符合撰写规范?
□优□良□中□及格□不及格
2、是否完成指定的论文(设计)任务(包括装订及附件)?
□优□良□中□及格□不及格
三、论文(设计)水平
1、论文(设计)的理论意义或对解决实际问题的指导意义
□优□良□中□及格□不及格
2、论文的观念是否有新意?
设计是否有创意?
□优□良□中□及格□不及格
3、论文(设计说明书)所体现的整体水平
□优□良□中□及格□不及格
评定成绩:
□优□良□中□及格□不及格
教研室主任(或答辩小组组长):
(签名)
年月日
教学系意见:
系主任:
(签名)
年月日
摘要
大数据是IT产业具有颠覆性的技术革命,在这之前的技术革命还有物联网、云计算等。
大数据时代的到来对人们影响巨大,尤其在生活方式和商业模式上影响着人们,而且也在组织流程、企业决策等方面影响着人们。
随着大数据的提出,许多信息技术迎来了新的发展机遇,尤其对数据挖掘技术影响巨大,而数据挖掘技术也开始了一个新的发展阶段。
目前信息世界中一个非常严峻的问题就是数据的大爆炸与知识的匮乏,要想解决这个严峻的问题,数据挖掘是一个非常有力的手段。
过去的几年是知识大爆炸与信息大爆炸的时代,而现在则是数据大爆炸的时代。
大量的数据信息隐藏着巨大价值,要想发现这些价值,进行数据挖掘是必不可少的。
由于大数据的数据量比较庞大,数据类型比较复杂,因此,想要针对大数据进行数据挖掘必然不能在用传统的数据挖掘技术,基于大数据的数据挖掘必然不同于传统数据挖掘技术。
大数据与相对较小的数据相比在存储上、数据类型上都有着非常大的不同,因此,数据对象不同的数据挖掘技术也有着很大的不同。
那么传统数据挖掘与基于大数据的数据挖掘之间究竟有何不同之处、有何相同之处?
这对于大数据的发展具有十分重要的意义。
本文主要论述了传统数据的概念和特点、大数据的概念和特点以及基于大数据的数据挖掘的概念和特点,最后进行传统数据挖掘与基于大数据的数据挖掘比较,最终得出传统数据挖掘与基于大数据的数据挖掘既有相同之处又有不同之处。
相同之处在于数据挖掘的思想、目的、基本方法等方面,不同之处在于数据存储、数据处理、数据类型等方面。
关键词数据挖掘,大数据,知识大爆炸
第1章绪论
1.1大数据时代
2009年以来“大数据”成为各界的流行词,尤其是在信息领域中。
而在麦肯锡的2011年数据呈报报告中指出,大数据现已渗透社会各个领域,数据中的信息已然成为重要的生产要素。
作为时下最流行的关键技术,随之而来的数据仓库、数据挖掘、数据分析、数据处理等围绕大数据的技术也逐渐开始进入一个新的发展阶段。
那么“大数据”究竟有多大?
根据世界互联网数据中心统计报告,互联网上数据的年增长率是50%,而在过去的几年里产生了90%的数据,数据量已经达到了ZB级别。
“大数据”被比作未来的“石油”,它不仅是信息世界的特殊技术,这也将是一个国家综合国力的重要组成部分。
一个国家拥有的数据规模与数据运用的能力以及对数据的占有量和控制量将成为国家间新的争夺点。
1.2数据挖掘的意义
大数据作为一种重要的战略资源,如何发挥大数据的战略意义显得十分重要,数据挖掘的目的是挖掘隐藏在数据中的对人们有效的信息,通过数据挖掘,我们才能得到大量数据集中所蕴含的信息。
这些信息可以创造价值,并对人们的多个领域产生深远影响。
数据挖掘是一种基于数据库、模式识别、机器学习、人工智能、统计学、可视化技术的决策支持模式。
数据挖掘可以分析数据、归纳数据,从数据中挖出对人们有用的信息,帮助人们做出正确的决策,减少风险[14]。
数据挖掘又被称作基于数据库的知识发现,是数据库技术和人工智能领域的重要应用,也是重要的研究热点。
数据挖掘发现的知识可以用作商业决策支持、信息管理、工业过程控制和查询优化等,更可以用作数据自身的维护。
数据挖掘将以前低层次的简单数据查询提升到挖掘数据间的隐藏信息,用以各个领域中。
[12]
数据挖掘作为一种比较成熟的数据处理技术,主要是从数据中的数据进行抽取、转换、数据分析和数据建模处理,从中提取出对人们有用的关键信息。
数据挖掘与传统的数据分析有很大的不同,数据挖掘是在未知的前提下去挖掘信息、发现知识的,而可实用、有效和未知是数据挖掘的三大基本特征。
目前比较常用的成熟的挖掘方法主要有七种,分别是关联分析、决策树、遗传算法、贝叶斯网络、粗糙集方法、神经网络和统计分析。
1.3基于大数据的数据挖掘
基于大数据的数据挖掘技术是在大数据提出之后才开始引起人们关注的,大数据引起的信息技术革命不仅在于数据量庞大上,而是在于这些庞大的数据中隐藏了相对于过去更加复杂的、更加有用的信息。
过去的数据量比较小,经过这么多年的积累,数据量开始庞大起来,数据类型开始复杂起来,若想使用这些庞大的、复杂的数据中的信息,数据挖掘技术必须解决因数据量庞大、数据类型复杂所带来的问题。
因此,数据挖掘技术必须得以改进,只有改进后的数据挖掘技术才能有效的挖掘出对人们有用的知识。
若还用以前的数据挖掘技术来挖掘当前的大数据,即使可以挖掘出来,那么我们需要花费的时间以及各种
资源也会使得这项工作毫无意义。
所以,基于大数据的数据挖掘是一种更加新式的、更加先进的、更加复杂的数据挖掘技术。
与传统的数据挖掘技术相对比,其对象数据不再是简单的结构化数据,而是一种复杂的非结构化或半结构化的数据,而对象数据的改变也使得许多数据挖掘技术已无用武之地,因此,基于大数据的数据挖掘技术应是未来几年发展的重中之重。
1.4本文的主要目的与内容
相对于传统数据挖掘来说,基于大数据的数据挖掘研究的对象发生了改变。
传统数据挖掘的研究对象是数据量比较小的、数据类型比较简单的结构化数据。
但基于大数据的数据挖掘研究对象是数据量比较庞大的、数据类型比较复杂的半结构化或非结构化数据。
由于研究对象的改变,数据挖掘技术也有所改变,主要体现在数据的存储,数据的处理,数据的类型等方面。
二者也有相同之处,那就是数据挖掘的思想、目的、方法等。
第2章传统数据挖掘的起源
2.1传统数据挖掘的定义
数据挖掘(英文名:
DataMining简称:
DM),专业领域上又称为资料探勘、数据采矿。
数据挖掘是数据知识发现(英文名:
KnowledgeDiscoverinDatabases,简称:
KDD)中的一个重要步骤。
一般指从海量的信息数据中通过特定的算法挖掘其中隐藏的信息的过程。
[15]
2.2传统数据挖掘的概念
随着数据库技术的不断发展,数据应用的不断成熟,数据量正在以爆炸式的速度增长。
大量的数据正向我们涌来。
如今我们有着大量的数据确没有足够的信息,面对这些浩瀚的数据,人们期望有这样一种技术,它能从这些大量数据中去粗求精、去伪求真。
恰是由于人们的期望,从数据库中挖掘信息的核心技术—数据挖掘应运而生。
可以这样说,数据挖掘其实就是从大量数据中找出对人们有用的信息的过程。
数据挖掘是数据库研究、开发和应用最活跃的分支。
典型的数据挖掘系统具有以下成分[18]:
数据库:
对数据清理和集成。
数据库服务器:
根据数据挖掘请求,提取相关的数据信息。
信息库:
用于搜索、评价结果模式的兴趣度的领域信息。
数据挖掘引擎:
由一组功能模块组成,用于完成用户提交的数据挖掘任务。
模式评估模块:
使用兴趣度量,并与数据挖掘模块交互,以便将搜索聚焦在有兴趣的模式上。
图形用户界面:
提供用户与系统的交互,提交数据挖掘任务,帮助搜索聚焦评估挖掘的模式等。
原则上讲,数据挖掘能够在任一类型的数据存储上进行,包括关系型数据库、数据仓库、事物数据库、高级数据库系统、展开文件和WWW等。
2.3传统数据挖掘的起源
数据挖掘来源于业界的需求,在信息数据逐渐爆炸的时代,数据挖掘引起了信息产业界的极大关注,主要是因为在这些大量的数据中隐藏我们需求的信息,所以数据挖掘在信息产业界被广泛的使用,并将这些大量的数据通过一定的方式转换成有用的信息。
被获取的信息可以应用在各个领域,如商务管理,成产控制,市场分析调查,工程技术,科学探索等。
数据挖掘不仅使用了统计学的抽样、估计和假设检验以及人工智能、模式识别、机器学习的搜索算法、建模手段等思想,同时它也接受的思想也包括其它领域,例如最优化、进化计算、信息论、信号处理、可视化和信息检索等思想。
特别的,数据挖掘需要数据库系统提供可靠地存储、索引以及查询处理的支持,其中,源于高性能的并行的计算技术在处理这些大量数据集方面是非常重要的。
几年来,分布式处理技术也可以帮助处理大量数据集,并且当数据集不能集中在一起进行处理时更加方便,更显的至关重要。
2.4传统数据挖掘的发展阶段
数据挖掘的发展可以分为五个阶段,它是逐步递进的方式发展的,由简单到复杂、由数据量较小到数据量庞大的方式发展的。
[11]
第一阶段:
电子邮件阶段
此阶段业界认为从70年代开始,平均的通讯量基本以每年几倍的速度来增长。
第二阶段:
信息发布阶段
从1995年起,以Web技术为代表的信息发布系统呈爆炸式地成长起来,成为当前Internet的主要应用技术。
如何把握好从“粗放型”到“精确型”营销时代的电子商务成为主要问题。
第三阶段:
电子商务阶段
电子商务(英文名:
ElectronicCommerce,简称EC),在美国也刚刚开始,之所以将EC列为一个划时代的东西,就是因为Internet的最终目的主要用于商业用途,其实就是电子商务。
同时可以这样说,以后的商业信息,主要是通过Internet传递。
Internet将成为我们这个商业信息社会的神经系统。
1997年底在加拿大温哥华举行的第五次亚太经合组织非正式首脑会议(APEC)上,时任美国总统的克林顿提出敦促各国共同促进电子商务发展的议案,这引起了全球首脑的关注,IBM、HP、Sun等国际知名的信息技术厂商也已经宣布1998年为电子商务年。
第四阶段:
全程电子商务阶段
随着软件服务模式(英文名:
Softwareasaservice,简称SaaS)的出现,软件开始登陆互联网,这延长了电子商务的链条,形成了当下最新的“全程电子商务”概念模式。
也因此形成了一门独立的学科—数据挖掘与客户关系管理硕士。
第五阶段:
大数据阶段
随着信息技术的发展,信息量开始爆炸式的增长,如何在这些超大量数据集中挖掘出有用的信息成为越来越关注的问题,同时,基于大数据的数据挖掘技术也开始兴起,未来的几年,大数据时代将会以爆炸式的方式来临。
第3章传统数据挖掘技术
3.1数据挖掘的分析方法
数据挖掘的分析方法有很多种,根据发现知识的种类分类比较常用的有分类分析方法、聚类分析方法、关联分析方法、序列模式分析方法、趋势分析方法、偏差分析方法、回归分析方法等多种分析方法。
其中关联分析、分类分析、序列模式分析、聚类分析是从
功能上划分的数据挖掘分析方法,这里只介绍以上下种分析方法。
3.1.1关联分析
关联分析是基于关联规则的数据挖掘分析方法。
关联分析的主要目的是挖掘隐藏在数据集中的相互关系,从中找到有用的依赖关系或关联关系的信息。
最著名的关联分析应用有沃尔玛的“啤酒与尿布”的关联分析。
它的基本思路是AB,A可解释为属性的集合,B可解释为属性的个体,关联规则就是A的属性集具有一种特性,那么B这个个体就具有了这种特性的可能性或者说未来趋势。
关联分析在很多行业中都有着非常广泛的应用,例如在零售业中分析顾客购买A产品后又购买了B产品的机会是多少?
这可以给零售商在配货、产品布局、和管理上有很大启示。
又例如在机械工业中A部件发生故障导致B故障发生故障的概率是多少?
这可以给机械维修与养护带来极大地方便。
关联规则之所以被广泛应用,就是因为它可以再大量的数据集中发现一些人们想要知道的信息。
在数据挖掘发展的过程中,关联分析方法的研究是最深的,人们提出了非常多的关联规则分析的挖掘算法,其中APRIORI算法是比较经典的算法之一。
它的思想就是反复的扫描数据库,在第N次扫描之后创建一个长度为N的大项集LN,在下一次扫描时只研究大项集LN中N项集产生的长度为N+1的备选集LN+1。
3.1.2分类分析
有这样一个数据库和一个具有不同特征得记录,这个数据库中的每个记录都被标记了一个特别的类,而分类分析就是通过分析这个数据库中的数据来为每个赋予特别类的记录做出精确地描述或建立一种分析模型,挖掘这种分析模型中的分类规则,然后利用这个分类规则来对其它具有和这个数据库相似的数据库中的记录进行分类。
在分类分析中,人们发明出很多分类分析的挖掘算法,比较经典的有决策树法、神经网络法和贝叶斯算法。
贝叶斯算法的主要思想是假设们对研究对象数据有一定的认识,我们用先验概率分布来描述这种认识,然后用抽取的样本来完善这种认识得到后验概率分布,最后根据后验概率分布来建立函数。
【吉根林】。
3.1.3序列模式分析
序列模式分析与关联分析在方法上是相似的,它的目的也是为了挖掘出隐藏在数据集中的相互关系,从中找到有用的依赖关系或关联关系的信息。
但序列模式分析与关联分析的侧重点不同,序列模式分析侧重于分析数据的因果关系。
运用序列模式来分析产品的销售情况,商家可以发现顾客的购物习惯,例如顾客在购买炒锅的同时会不会也购买电磁炉。
3.1.4聚类分析
聚类分析方法与分类分析方法截然不同,聚类分析方法分析的是一个记录集,这个记录集没有任何的标记,简单来说就是这个记录集中没有类别的划分。
聚类分析的目的是将记录集合合理的按照一定规则划分类别,同时,这些不同的类别可以用显式或隐式的方法来描述。
聚类分析是我们应用的最广泛的一种分析方法,比如一个从未见过老虎与狮子的儿童,通过不断的观看老虎与狮子来改进意识中的聚类模式,这个儿童就会学会如何分辨老虎与狮子,或者生物与无机物,动物与植物。
聚类分析也广泛应用于数据分析、图像处理、市场调查等技术。
在数据挖掘技术的发展过程中,人们提出了很多的聚类分析算法,基本上可以分为基于概率的聚类分析算法和基于距离的聚类分析算法。
基于概率的聚类分析算法挖掘大数据集时效率极低,因此它适用于小型数据集的数据挖掘。
而基于距离的聚类分析算法比较适合大数据集的数据挖掘,它的基本思想是从数据对象中任取N个对象作为初始聚类中心,那些剩下的数据对象根据它们与聚类中心的距离分配给与其最近的聚类中心,然后在计算获得新聚类的聚类中心,重复此过程直至数据收敛为止。
3.2复杂数据类型挖掘
复杂数据类型挖掘其实也是数据分析方法中的一种,之所以将它单独拿出来,是因为我觉得复杂数据类型相对于之前所提到的数据类型(之前所提到的数据类型都是以机构化数据为主的)更加重要,页更加特殊。
随着数据处理技术、数据库技术以及万维网技术的高速发展,大量的复杂类型数据如结构化与非结构化数据、超文本数据与多媒体数据等数据不断涌现,数据挖掘的重要研究方向就转为对这些复杂类型数据的挖掘,包括一些复杂对象、多媒体、时间与空间序列数据、超文本数据和WEB数据等。
[19]
空间数据用来描述电子信息世界中的空间对象在现实世界的具体方位和分布。
包括对象的数量、属性、位置和相互关系等,涵盖了宏观世界和微观世界。
空间数据库存储了大量空间数据,例如地图、透视图像等。
空间数据与关系数据所不同的是数据的显著特征,包括空间对象的拓扑特征、非空间对象的属性特征和两种对象在时间上的状态变化。
空间数据挖掘指的是对空间数据中非显式存在的信息、位于空间的关系或其它有意义的关系的提取。
空间数据挖掘技术需要结合数据挖掘与空间数据技术。
时间数据是指对象在不同时间变化下的数据,它通常是在等时间间隔或特定时间间隔下测得的数据值。
时间序列数据库是由有序时间序列组成的数据库,它可以有时间标记、也可以没有时间标记。
时序数据挖掘的研究主要方法是趋势分析,在分析中依赖相似度搜索和与时间相关数据中序列模式的挖掘。
超文本数据挖掘是分析和发现非结构化文本中的关系。
它不在依赖以关键字和相似度检索的范畴。
超文本挖掘利用智能算法如神经网络、可能性推理等算法,在结合文字处理技术来分析大量的非结构化文本集如文档、表格、邮件、网页等,抽取其中关键字的概念和文字之间的关系,按照内容对文档分类,以获取感兴趣的信息。
文本挖掘最早可追溯到信息检索,它包括关键字检索和全篇检索。
文本挖掘分析方法的关键在于文本内的量化表征。
超文本挖掘是数据挖掘的一个分支,用于文本信息的挖掘。
万维网是广泛分布的全球信息服务中,服务内容不仅包括金融、新闻、电子商务、教育等多方面的领域,页包涵了丰富的动态的超链接信息、访问使用信息等。
这给数据挖掘提供了丰富的数据资源。
万维网数据挖掘是根据基于Internet的分布式信息资源的特点的一种抽取过程,它可以找到分布式信息资源中已经存在的信息,也可以发现存于海量数据中的隐含的有效的规律。
万维网数据挖掘涵盖万维网连接结构、万维网内容和访问模式的挖掘。
3.3传统数据挖掘面临的挑战
3.3.1数据挖掘的对象
现在的数据挖掘对象是更大型的数据库、更高的维数、属性更复杂的关系,这些因素使数据挖掘搜索信息所花费的资源代价极高,由于这些原因,数据挖掘应该发展出新的技术来应对越来越大的数据库、越来越高的维数和越来越复杂的关系属性。
3.3.2输入数据的复杂性
目前,数据挖掘工具还只能处理有限的几种数据形式,主要处理结构化数据,但大多数的数据挖掘工具无法处理超文本的、图形的、图像和万维网资源等这些非结构化的数据形式,也无法挖掘隐藏在其中有用的信息。
3.3.3用户的参与度
有效的决策需要多次反复的交互与沟通,当前用户很少能真正参与到数据挖掘工具、数据挖
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 传统 数据 挖掘 中的 异同 毕业设计 论文