论文部分内容阅读
【摘要】 改革开放以来，我国的综合国力在不断的壮大，经济社会也在不断的发展，各行各业随着经济的积累也在不断发展。计算机技术和信息技术的发展也突飞猛进。信息的总数在不断的上升，为了更好的对数据进行统计，一些新的数据统计的方式应势而生。为能更方便提取有效数据的工作起了推进的作用。本文将对遗传算法在数据中的应用进行全面的分析和研究。希望可以对数据的统计和提取有效数据的工作在日后的工作中起到借鉴性的作用。
【关键词】 遗传算法 数据挖掘 应用 研究
引言
计算机技术的不断发展，信息技术的不断进步，使得数据库中的数据越来越多，越来越细，也越来越杂乱。想要在这么多繁杂的数据中，快速有效的提取出有用的数据信息。传统的数据的提取方式已经不能再适应科学技术的进步和发展，数据挖掘的出现，正好弥补了数据在提取过程中的这一缺点[1]。数据挖掘可以从大量繁杂的数据中，提取出一些有用的数据，大大减少了在数据提取工作中的时间消耗。提高了工作效率的同时，节约的工作时间。
一、数据挖掘的现状研究
近几年来对数据挖掘的研究主要集中在几个问题上。一是研究专门用于挖掘知识方面的数据的形式化语言。二是对不同类型的数据进行处理工作，主要是对相互关联的数据和一些较为复杂的数据进行挖掘时的研究工作。三是对此题目研究兴趣的分析研究。四是对数据库中不同类型的数据的挖掘工作的研究。五是对不同数据算法的研究，目前主要且常用的数据算法有：并行式的算法、分布式的算法和增量的挖掘研究。六是对数据挖掘结果的研究。
二、遗传算法的现状研究
目前在对遗传算法的研究主要集中在四个大问题上。其一是研究有关于遗传算法的理论，遗传算法理论的主要内容包括：影响算法的有关设置，有关的专业数学统计解释等。其二是遗传算法的改进，在不断发展的技术进步的影响下，遗传算法的方式也需要不断的随之改进，能更好的在庞大数据中进行计算分析[2]。其三是研究，并行化的遗传算法，这一问题的研究对遗传算法的发展有具有重要意义。其四是研究遗传算法与其他技术能否混合使用，这一研究的目的是为了提高其工作的速度，节省工作时间。
三、遗传算法与数据研究之间的关系
数据挖掘与遗传算法之间是相互包含的关心，数据挖掘包含遗传算法，遗产算法是数据挖掘中众多算法中的一种，但是是最主要的一种。由于遗传算法的重要性和在数据挖掘中所占有的重要地位，遗传算法适应的范围越来越广，有关技术部门对其的重视程度也随之增加。遗传算法在诸多方面得到应用，逐渐成为了数据挖掘领域中，新的具有重要意义的研究性课题。
四、数据挖掘的应用
数据挖掘已经运用到越来越多的行业当中，数据挖掘应用的工作也得到了很好的落实。但是在数据挖掘实际应用的过程中还是存在着一些问题。数据挖掘应用的领域越广泛，受到的挑战就越大。这些挑战分别体现在不同领域的运用中。例如生物学领域的数据挖掘，金融领域的数据挖掘，电信领域的数据挖掘等诸多方面。由于这些领域的数据都比较繁杂，所以挖掘的工作就会不同程度的存在一些难度问题。
五、遗传算法中存在的不足
遗传算法虽然是数据挖掘中最主要的算法之一，但是遗传算法本身还是存在着一定的不足方面。在遗传算法进行工作中，如果算法的工作目标不确定，就会影响遗传算法的工作进行，减低遗传算法的工作效率[3]。遗传算法由于受到一定模式的影响，在对较多相似的数据进行提取时可能会影响遗传算法的工作速度，遗传算法的灵活能力较低。在对参考数据的设置过程中理论依据不完善，容易造成在进行数据的运算过程中不能较快、较好的找到可以参考的数值，延误数据运算的工作。
六、遗传算法在数据挖掘中的应用分析
数据挖掘主要是对一些数据量大，且种类多，相似度高数据进行的提取有效数据的过程和对有效数据的计算过程，为了更好的达到这个目的。就要对数据挖掘中最主要的计算方式，遗传算法进行完善和创新，只有不断的完善，总结出最科学的算术系统，才能更好的完成大量数据运算的工作。
七、结语
通过上文的分析，可以看出，数据挖掘在对数据进行提起的工作中的运用越来越广泛。数据挖掘较传统的数据提取方式来说，具有许多优势。数据挖掘的工作时间更短、提取数据的速度更快、工作效率更高等这些是数据挖掘的优势之处。
为了更好的利用数据挖掘，就要求相关人员在以后的工作中能更加注重数据挖掘这方面的研究。希望本文的分析能对以后的研究工作起到借鉴作用，为以后的研究工作打下良好的数据基础。
参 考 文 献
[1]刘建华，王勇，洪月好.遗传算法编码设计及其在数据挖掘中的应用[J].上海电力学院学报，2005，（03）：244-248.
[2]王淑静，贾兆红，王亮等.遗传算法在决策支持系统和数据挖掘中的应用[J].计算机技术与发展，2006，（08）：35-37.
[3]李智玲，张亦军，胡彧.基于粗糙集的遗传算法在数据挖掘中的应用[J].科技情报开发与经济，2009，3（09）：127-129
【关键词】 遗传算法 数据挖掘 应用 研究
引言
计算机技术的不断发展，信息技术的不断进步，使得数据库中的数据越来越多，越来越细，也越来越杂乱。想要在这么多繁杂的数据中，快速有效的提取出有用的数据信息。传统的数据的提取方式已经不能再适应科学技术的进步和发展，数据挖掘的出现，正好弥补了数据在提取过程中的这一缺点[1]。数据挖掘可以从大量繁杂的数据中，提取出一些有用的数据，大大减少了在数据提取工作中的时间消耗。提高了工作效率的同时，节约的工作时间。
一、数据挖掘的现状研究
近几年来对数据挖掘的研究主要集中在几个问题上。一是研究专门用于挖掘知识方面的数据的形式化语言。二是对不同类型的数据进行处理工作，主要是对相互关联的数据和一些较为复杂的数据进行挖掘时的研究工作。三是对此题目研究兴趣的分析研究。四是对数据库中不同类型的数据的挖掘工作的研究。五是对不同数据算法的研究，目前主要且常用的数据算法有：并行式的算法、分布式的算法和增量的挖掘研究。六是对数据挖掘结果的研究。
二、遗传算法的现状研究
目前在对遗传算法的研究主要集中在四个大问题上。其一是研究有关于遗传算法的理论，遗传算法理论的主要内容包括：影响算法的有关设置，有关的专业数学统计解释等。其二是遗传算法的改进，在不断发展的技术进步的影响下，遗传算法的方式也需要不断的随之改进，能更好的在庞大数据中进行计算分析[2]。其三是研究，并行化的遗传算法，这一问题的研究对遗传算法的发展有具有重要意义。其四是研究遗传算法与其他技术能否混合使用，这一研究的目的是为了提高其工作的速度，节省工作时间。
三、遗传算法与数据研究之间的关系
数据挖掘与遗传算法之间是相互包含的关心，数据挖掘包含遗传算法，遗产算法是数据挖掘中众多算法中的一种，但是是最主要的一种。由于遗传算法的重要性和在数据挖掘中所占有的重要地位，遗传算法适应的范围越来越广，有关技术部门对其的重视程度也随之增加。遗传算法在诸多方面得到应用，逐渐成为了数据挖掘领域中，新的具有重要意义的研究性课题。
四、数据挖掘的应用
数据挖掘已经运用到越来越多的行业当中，数据挖掘应用的工作也得到了很好的落实。但是在数据挖掘实际应用的过程中还是存在着一些问题。数据挖掘应用的领域越广泛，受到的挑战就越大。这些挑战分别体现在不同领域的运用中。例如生物学领域的数据挖掘，金融领域的数据挖掘，电信领域的数据挖掘等诸多方面。由于这些领域的数据都比较繁杂，所以挖掘的工作就会不同程度的存在一些难度问题。
五、遗传算法中存在的不足
遗传算法虽然是数据挖掘中最主要的算法之一，但是遗传算法本身还是存在着一定的不足方面。在遗传算法进行工作中，如果算法的工作目标不确定，就会影响遗传算法的工作进行，减低遗传算法的工作效率[3]。遗传算法由于受到一定模式的影响，在对较多相似的数据进行提取时可能会影响遗传算法的工作速度，遗传算法的灵活能力较低。在对参考数据的设置过程中理论依据不完善，容易造成在进行数据的运算过程中不能较快、较好的找到可以参考的数值，延误数据运算的工作。
六、遗传算法在数据挖掘中的应用分析
数据挖掘主要是对一些数据量大，且种类多，相似度高数据进行的提取有效数据的过程和对有效数据的计算过程，为了更好的达到这个目的。就要对数据挖掘中最主要的计算方式，遗传算法进行完善和创新，只有不断的完善，总结出最科学的算术系统，才能更好的完成大量数据运算的工作。
七、结语
通过上文的分析，可以看出，数据挖掘在对数据进行提起的工作中的运用越来越广泛。数据挖掘较传统的数据提取方式来说，具有许多优势。数据挖掘的工作时间更短、提取数据的速度更快、工作效率更高等这些是数据挖掘的优势之处。
为了更好的利用数据挖掘，就要求相关人员在以后的工作中能更加注重数据挖掘这方面的研究。希望本文的分析能对以后的研究工作起到借鉴作用，为以后的研究工作打下良好的数据基础。
参 考 文 献
[1]刘建华，王勇，洪月好.遗传算法编码设计及其在数据挖掘中的应用[J].上海电力学院学报，2005，（03）：244-248.
[2]王淑静，贾兆红，王亮等.遗传算法在决策支持系统和数据挖掘中的应用[J].计算机技术与发展，2006，（08）：35-37.
[3]李智玲，张亦军，胡彧.基于粗糙集的遗传算法在数据挖掘中的应用[J].科技情报开发与经济，2009，3（09）：127-129