基于自然辩证法的数据挖掘技术概述
- 格式：pdf
- 大小：1.78 MB
- 文档页数：3
Value Engineering
• 233 •
基于自然辩证法的数据挖掘技术概述
Summary of the Data Mining Technology Based on Natural Dialectics
张钰
ZHANG
Yu;刘海燕
LIU
Hai-yan
(装甲兵工程学院信息工程系，北京100072)
(Department
of
Infor^nation
Engineering,
Academy
of
Ar^nored
Force
Engineering,Beijing 100072
,China )
摘要:针对大数据背景下，数据挖掘技术发展的内在规律不明确的问题，采用自然辩证法中的科学技术概念，对数据挖掘技术的
产生、发展、社会意义以及未来展望进行简单的介绍与探究。
Abstract:
Under
the
background
of
big
data,
the
inner
rules
of
data
mining
technology
is
not
clear.
In
order
to
solve
this
problem,
a
smnmaiy
which
takes
the
concept
of
science
technology
in
natural
dialectics
is
given,
and
it
gives
a
simple
introduction
and
inquiry
about
the
data
mining
technology's
generation,
development,
social
significance
and
outlook.
关键词：大数据;数据挖掘；自然辩证法
Key
words:
big
data；
data
mining；
natural
dialectics
中图分类号:
TE88 文献标识码
:A
0引言
‘‘十年以后，很多人会说，中国的经济也好，世界的经
济也好，都是贵州惹的祸。如果你不参与整个大数据的建
设，如果你不参与大数据技术、云计算，不把自己的企业真
正变成一个互联网的制造业，我相信你一定会像今天一样
抱怨和埋怨。”阿里巴巴创始人马云在2015贵阳国际大数
据产业博览会暨全球大数据时代贵阳峰会开幕式上对大
数据做出这样高度的评价11]。而目前不仅是阿里巴巴企业，
诸如华为、中兴、腾讯、百度等互联网巨头公司也加入到大
作者简介：张钰（1994-)女，辽宁鞍山人，在读硕士，研究方向为
信息安全与网络对抗。
据此设计出位置相关图，结合建筑物的实际情况，进而得
到门诊部一楼与二楼的优化布局具体方案。相比于原有的
布局更科学、合理，物流路线得到优化，门诊部就诊效率与
患者满意度均可得到提高。
参考文献：
「1]
Wardla_
w,
Whitney. 8
Paths
to
better
hospital
design [
J].
Journal
of
Industrial
Engineer, 2015, 47(2):29-37.
「2]周宏明.设施规划「
Ml.北京：机械工业出版社，2013.
「3]林清恋，刘胧，李萍，等.
SLP在医院手术室布置设计中的
应用「
J].工业工程，2009,12(5)111-114.文章编号：1006-4311 ( 2017 )25-0233-03
数据的火热浪潮中。大数据是一个庞大复杂的数据集，传
统的数据应用程序很难对其进行处理。大数据技术技术手
段多不胜数，本文选择对其中应用的一个核心技术——数
据挖掘技术进行全面的概述。
自然辩证法关于技术论的研究，就是从总体上探讨技
术的性质和特点、技术发展的条件和规律以及技术和其他
各种社会现象的关系等等。这一研究和自然科学论的研究
共同为科学技术政策的制定、科学技术发展的规划、科学
技术工作的领导和管理提供理论基础，其重要性日益显得
突出起来。
当前人类社会已经进入信息技术化、经济全球化的时
「4]郝斯琪，沈微.基于
SLP方法的木材物流中心布局「
Jl.森林
工程,2015,31(1 )159-163.
「5]胡小建，冯爽.基于物流优化的
SLP在车间设施布局的应
用研究「
J].物流工程与管理，2016,38( 1):73-76.
「6
]Wanye
C.
Turner,
Joe
H.
Mize,
Kenneth
E.
Case,
John
W.
Nazemetz.
Introduction
to
Industrial
and
Systems
Engineering「
M].
d匕
京：清华出版社，2002:102-104.
「7]
Qing-Lian
Lin,
Hu-
Chen?
Liu,
Duo-
Jin?
Wang.
Integrating
systematic
layout
planning
with
fuzzy
constraint
theory
to
design
and
optimize
the
facility
layout
for
operating
theatre
in
hospitals「
J].
Journal
of
Intelligent
Manufacturing, 2015, 26(1): 87-95.
「8
]Syed
A.
A.
N.,
Muhammad
F.,
Muhammad
A.,
Muhammad
Z.,
Muhammad
M.
S.,
Productivity
improvement
of
a
manufacturing
facility
using
systematic
layout
planning 「
J].
Journal
of
Cogent
Engineering, 2016, 3(1): 1-13.
「9]刘晓华，许锋.基于
LINGO软件的医院科室布局优化方法
探讨「
J].中国医疗设备，2014，29( 5 ): 112-114.
「10
]Chien
Te-
King.
An
empirical
study
of
facility
layout
using
a
modified
SLP
procedure 「
J].
Journal
of
Manufacturing
Technology
Management, 2004, 15(6): 455-465.
「11
]Lincoln
C.
Wood,
Chen
Wang,
Hamzah
Abdul -
Rahman,
Noor
Syakirin
Jamal
Abdul-
Nasir.
Green
hospital
design:
integrating
quality
function
deployment
andend
-user
demands 「
J].
Journal
of
Cleaner
Production, 2016, 112(1):
903-913.• 234 •价值工程
代，科学技术与社会的关系更加紧密。在这种情况下，我们
要促进科学技术的发展，并通过它来推动社会经济的发展
与社会同步，就必须深入研究科技发展的内在规律，就必
须将科学技术置于社会大系统中，因而利用自然辩证法对
其研究具有特别突出的现实意义。本文在接下来的章节
中，将基于自然辩证法对数据挖掘技术的起源、发展、社会
意义以及未来前景进行分析。
1数据挖掘技术的起源
1.1数据挖掘技术的定义
当今数据库的容量已经达到上万亿的水平，在这些大
量数据的背后隐藏了很多具有决策意义的信息，那么，如
何得到这些“知识”成为人们亟待解决的一个问题。计算
机科学的发展为解决这一问题提供了一个有力的工具：数
据挖掘。数据挖掘技术是计算机科学中的一个跨学科的领
域。它是通过使用人工智能、机器学习、统计数据和数据库
系统等方法，指在大量数据中使用算法提取隐藏在其中信
息的计算过程。数据挖掘是“数据库中知识发现”过程的分
析步骤，是具有很大潜质的强有力新兴技术。
它涉及到对数据库中的大量数据进行提取、转变、
分析以及模型化处理，从中提取辅助决策的关键性数
据，图1是数据挖掘系统的一个基本模型。数据挖掘可
以帮助数据挖掘用户寻找规律，发现未被发现的要素，
预测发展趋势，进行决策判断，也是对数据内在和本质
的高度抽象与概括，是对数据从理性认识到感性认识的
一个巨大飞升。
图1数据挖掘系统模型
1.2数据挖掘技术的进化历程
1.2.1第一阶段:数据搜集阶段
1950年，雷明顿兰德公司的
Univac
I计算机推出一
种磁带驱动器，该驱动器一秒钟可以输入数百条记录，在
当时是一个很大的突破，因而引发数据管理的革命。此时
的硬件存储设备主要是计算机和磁带。1956年，
IBM公司
生产出第一台磁盘驱动器，硬件存储开始转向存储量更大
的磁盘，而且磁盘还具有只能顺序存取数据的磁带不具有
的优点一随机存取数据。
到了 20世纪50年代中期至60年代中期，计算机大量直接存储设备出现，因而此阶段产品的主要特点还是提
供历史性的、静态的数据信息，数据以“文件”形式可长期
保存在外部存储器的磁盘上。
1.2.2第二阶段:数据访问阶段
1970年，
IBM的研究员埃德加•弗兰克•科德博士在
刊物《
Communication
of
the
ACM》上发表了 一篇论文，文
中首次提出了数据库的关系模型的概念，奠定了关系模型
的理论基础。1976年霍尼韦尔公司开发了第一个商用关
系数据库系统---
Multics
Relational
Data
Store。关系型数
据库系统以关系代数为坚实的理论基础，经过几十年的发
展和实际应用，技术越来越成熟和完善。其代表产品有
Oracle、
BM公司的
DB2
、微软公司的
MS
SQL
Server以及
Informix、ADABAS
D 等等。
在这一阶段，除了关系数据库，还有结构化查询语言、
ODBC等支持技术。随着计算机在数据管理领域的普遍应
用，其产品的主要特点为在记录级提供历史性的、动态的
数据信息。
1.2.3第三阶段:数据仓库、决策支持阶段
1985年，第一个商务智能系统由
Metaphor计算机系
统有限公司为
Procter &
Gamble公司开发出来，主要是用
来连接销售信息和零售的扫描仪数据。同年，
Pilot软件公
司开始出售第一个商用客户/服务器执行信息系统——
Command
Center。同年，加州大学伯克利分校
Ingres项目
演变成
Postgres,其目标是开发出一个面向对象的数据库。
此后一年，
Graphael公司开发了第一个商用的对象数据库
系统一
Gbase。1988年，
IBM公司的研究者
Barry
Devlin和
Paul
Murphy发明了一个新的术语一信息仓库，之后，
IT的
厂商开始构建实验性的数据仓库。1991年，
W.
H. "
Bill"
Inmon出版了一本“如何构建数据仓库”的书，使得数据仓
库真正开始应用。
在20世纪90年代的第三阶段，基于联机分析处理、
多维数据库、数据仓库等技术等支持，能够在各种层次上
提供回溯到、动态的数据信息。
1.2.4第四阶段:数据挖掘阶段
20世纪末，随着互联网的高速发展，信息以爆炸式增
长，保存在计算机中的文件和数据库中的数据量也在以高
速增长着，同时人们也更需要从大量的数据中提取出更核
