【摘要】 本文簡(jiǎn)要介紹數(shù)據(jù)挖掘、云計(jì)算等技術(shù)概念，從通信、鐵路、電力等行業(yè)分析了現(xiàn)階段數(shù)據(jù)挖掘技術(shù)的使用情況，指出了數(shù)據(jù)挖掘程序現(xiàn)存問題，圍繞云計(jì)算技術(shù)進(jìn)行程序開發(fā)，以Hadoop為運(yùn)行環(huán)境，增強(qiáng)數(shù)據(jù)挖掘程序的運(yùn)行能力，最大化發(fā)揮云計(jì)算技術(shù)功能，帶動(dòng)各行業(yè)量化分析工作有序進(jìn)行。

　　【關(guān)鍵詞】 通信 云計(jì)算 市場(chǎng)預(yù)測(cè) 數(shù)據(jù)挖掘

　　在物聯(lián)網(wǎng)環(huán)境中，人們使用多種電子設(shè)備，進(jìn)行網(wǎng)絡(luò)連接。結(jié)合視覺網(wǎng)絡(luò)數(shù)據(jù)統(tǒng)計(jì)可知：國(guó)內(nèi)移動(dòng)終端客戶數(shù)量處于穩(wěn)步增長(zhǎng)狀態(tài)，在[2016，2021]年間，移動(dòng)客戶數(shù)量增加了18倍。預(yù)計(jì)在2023年，移動(dòng)用戶數(shù)量將會(huì)是2016年用戶數(shù)的10倍，移動(dòng)終端總數(shù)將會(huì)達(dá)到120億。在此種較大基數(shù)的網(wǎng)絡(luò)數(shù)據(jù)資料環(huán)境下，積極使用云計(jì)算技術(shù)，各行業(yè)開展數(shù)據(jù)挖掘工作，能夠有效獲取市場(chǎng)預(yù)測(cè)信息。

　　一、技術(shù)概述

　　1.1數(shù)據(jù)挖掘

　　數(shù)據(jù)智能分析是從大量的數(shù)據(jù)資料中提取有用信息的過(guò)程，表現(xiàn)為多級(jí)加工程序，含有多個(gè)運(yùn)行流程。在數(shù)據(jù)挖掘時(shí)，按照一定法則進(jìn)行源數(shù)據(jù)的提煉、優(yōu)化，在前期處理完成時(shí)，再使用數(shù)據(jù)挖掘、智能匹配等技術(shù)，選擇適用算法開展資料分析，繼而有效獲取數(shù)據(jù)分析結(jié)果。

　　數(shù)據(jù)挖掘是數(shù)據(jù)智能分析的一個(gè)環(huán)節(jié)，在較大數(shù)據(jù)量、完整性不足、規(guī)則性不強(qiáng)、含有噪聲、清晰度不高等各類數(shù)據(jù)資料中，借助特定算法捕獲數(shù)據(jù)中的特定規(guī)律，進(jìn)行有效信息挖掘。此技術(shù)的應(yīng)用，在一定程度上符合特定業(yè)務(wù)的數(shù)據(jù)資料分析需求，比如客戶消費(fèi)傾向、學(xué)生成績(jī)優(yōu)勢(shì)科目等。數(shù)據(jù)挖掘過(guò)程，融合了多個(gè)領(lǐng)域的專業(yè)內(nèi)容，比如數(shù)據(jù)統(tǒng)計(jì)、智能學(xué)習(xí)、規(guī)律識(shí)別等。數(shù)據(jù)挖掘技術(shù)能夠在大規(guī)模數(shù)據(jù)量中，有效捕獲價(jià)值信息，具有較強(qiáng)的市場(chǎng)預(yù)測(cè)功能[1]。在數(shù)據(jù)挖掘技術(shù)使用與推廣的各項(xiàng)工作中，能夠在短時(shí)間內(nèi)完成資料分析，給予人們決策、市場(chǎng)投資等多重參考依據(jù)，以量化分析結(jié)果獲得合理公正的決策方案。

　　1.2云計(jì)算

　　其一，虛擬化技術(shù)。此技術(shù)的使用旨在有效解決硬件性能分配不均、老舊硬件運(yùn)行能力欠佳等問題。虛擬化技術(shù)的使用，有效改善了底層物理硬件，使其具有更為透明的特點(diǎn)，對(duì)軟件、硬件兩個(gè)模塊未進(jìn)行融合處理。在單個(gè)性能硬件中，有效衍生出多組虛擬資源，有效整合虛擬資源，提升物理硬件利用效果。其二，大規(guī)模數(shù)據(jù)處理技術(shù)。在云計(jì)算技術(shù)中，是使用大規(guī)模數(shù)據(jù)處理程序，以并聯(lián)運(yùn)行模型為基礎(chǔ)形式。在此技術(shù)程序中，含有Map、Reduce兩種函數(shù)。在Map函數(shù)處理時(shí)，采取逐行數(shù)據(jù)文件的提取與分析，對(duì)預(yù)處理完成數(shù)據(jù)，將其劃分至新節(jié)點(diǎn)。在數(shù)據(jù)分配完成后，進(jìn)入Reduce函數(shù)處理環(huán)節(jié)，完整讀取Map處理結(jié)果，對(duì)中間資料進(jìn)行合并分析。組合型數(shù)據(jù)處理技術(shù)，對(duì)于較大數(shù)據(jù)量的資料，具有較強(qiáng)的處理能力。與此同時(shí)，此技術(shù)表現(xiàn)出數(shù)據(jù)監(jiān)控能力，能夠自主排查數(shù)據(jù)處理異常位置，進(jìn)行數(shù)據(jù)處理任務(wù)重啟，確保數(shù)據(jù)處理質(zhì)量。

　　二、各行業(yè)數(shù)據(jù)挖掘的使用分析

　　2.1通信行業(yè)應(yīng)用

　　“云計(jì)算”強(qiáng)大的數(shù)據(jù)處理能力被廣為運(yùn)用在通信行業(yè)。在這個(gè)信息化時(shí)代下，人們?cè)谑褂秒娨?、手機(jī)、電腦等終端設(shè)備時(shí)所產(chǎn)生的上網(wǎng)行為數(shù)據(jù)如果能進(jìn)行處理和分析就可以挖掘出具有極高價(jià)值的信息，例如對(duì)用戶進(jìn)行清晰的定位，除了統(tǒng)計(jì)學(xué)意義上的基礎(chǔ)數(shù)據(jù)之外，還能洞察出他們的喜愛偏好、行為習(xí)慣、消費(fèi)水平等等。信息化程度越高，收集到的信息也越多，云計(jì)算能夠存儲(chǔ)海量的數(shù)據(jù)，運(yùn)用分析處理技術(shù)，從中為用戶得出更有價(jià)值的分析。運(yùn)營(yíng)商可以運(yùn)用云計(jì)算，根據(jù)用戶的行業(yè)特性從而制定差異化的解決方案 [1]。

　　2.2鐵路行業(yè)應(yīng)用

　　以運(yùn)維系統(tǒng)為例，探索云計(jì)算技術(shù)為基礎(chǔ)的智能數(shù)據(jù)挖掘平臺(tái)運(yùn)行情況。

　　2.2.1智能感知網(wǎng)絡(luò)

　　在運(yùn)維系統(tǒng)中，添加了智能感知網(wǎng)絡(luò)，有效集成了感知程序、信息處理等技術(shù)，以較大數(shù)字量形式進(jìn)行信息傳輸，具有較強(qiáng)的故障診斷、信息校正、功能補(bǔ)償能力。系統(tǒng)中以列車感知為主，兼有站場(chǎng)、線路等感知模塊。各類感知網(wǎng)絡(luò)結(jié)構(gòu)中，擁有多個(gè)設(shè)備檢測(cè)模塊，能夠有效捕獲設(shè)備運(yùn)行資料，以數(shù)據(jù)化形式展示運(yùn)維資料，對(duì)于設(shè)備運(yùn)行資料給予量化分析。

　　2.2.2云計(jì)算融合的運(yùn)維系統(tǒng)

　　云計(jì)算以數(shù)據(jù)分析、數(shù)據(jù)處理為技術(shù)融合目標(biāo)。在互聯(lián)網(wǎng)平臺(tái)中，較大數(shù)量的硬件，依據(jù)特定規(guī)則進(jìn)行硬件連接。同時(shí)在需求改變的情況下，形成了低能耗、高效率的資源處理體系，在優(yōu)化基礎(chǔ)設(shè)施成本的基礎(chǔ)上，合理控制設(shè)備運(yùn)維支出。與此同時(shí)，云計(jì)算表現(xiàn)出較強(qiáng)的計(jì)算能力，在存儲(chǔ)能力、數(shù)據(jù)安全等方面具有高性能，在特定硬盤發(fā)生質(zhì)量損壞時(shí)，數(shù)據(jù)不會(huì)有丟失情況。在泛式通信體系中，便于用戶自由獲取數(shù)據(jù)資料[2]。智能運(yùn)維系統(tǒng)中，融合了智能感知系統(tǒng)架構(gòu)中的各類數(shù)據(jù)，比如監(jiān)測(cè)、檢測(cè)等。在進(jìn)行數(shù)據(jù)整合分析、按類存儲(chǔ)時(shí)，能夠有效處理動(dòng)態(tài)的、非動(dòng)態(tài)的各類數(shù)據(jù)，確保數(shù)據(jù)查詢有效性，增強(qiáng)數(shù)據(jù)查詢便利性。與此同時(shí)，結(jié)合各組設(shè)備各時(shí)段的運(yùn)行情況，積極使用智能算法，高效率、精準(zhǔn)獲取故障位置，有效解決系統(tǒng)之間聯(lián)通問題。

　　2.2.3運(yùn)維資料數(shù)據(jù)挖掘

　　數(shù)據(jù)挖掘技術(shù)在新型處理體系中，表現(xiàn)出更強(qiáng)的數(shù)據(jù)決策、數(shù)據(jù)分析、系統(tǒng)優(yōu)化各項(xiàng)能力，有效應(yīng)對(duì)數(shù)據(jù)量較大、增長(zhǎng)能力較強(qiáng)、樣式多種的信息資源。數(shù)據(jù)挖掘技術(shù)的融合價(jià)值，集中體現(xiàn)在有效數(shù)據(jù)的整合分析方面，確保數(shù)據(jù)加工精準(zhǔn)性，有效提升數(shù)據(jù)挖掘?qū)哟?。在鐵路運(yùn)維體系中，采用人工智能算法，進(jìn)行數(shù)據(jù)分析，以往期設(shè)備運(yùn)行積存的大量數(shù)據(jù)為基礎(chǔ)，高效運(yùn)行人工智能算法。

　　數(shù)據(jù)挖掘的運(yùn)行依賴于云計(jì)算技術(shù)，以分布式架構(gòu)程序?yàn)榛A(chǔ)，對(duì)數(shù)據(jù)資料進(jìn)行高效處理，確保初始資料、處理后數(shù)據(jù)存儲(chǔ)的完整性。在使用數(shù)據(jù)人工分析技術(shù)時(shí)，應(yīng)對(duì)較大規(guī)模數(shù)據(jù)量，需要加強(qiáng)數(shù)據(jù)分析，減少數(shù)據(jù)判斷失誤問題。在使用數(shù)據(jù)挖掘技術(shù)時(shí)，能夠高效獲取事件本質(zhì)與特征。

　　推薦閱讀：計(jì)算機(jī)實(shí)訓(xùn)機(jī)房管理中云桌面的應(yīng)用