APP下载

采用云计算的数据挖掘技术可视化教学与实验方案

2021-02-27邓红霞曹晓叶

实验室研究与探索 2021年1期
关键词:数据挖掘用户实验

史 虹, 邓红霞, 曹晓叶

(1.深圳职业技术学院人工智能学院,广东深圳518055;2.太原理工大学计算机科学与技术学院,太原030024;3.华南理工大学计算机科学与工程学院,广州510006)

0 引 言

数据挖掘技术能够从海量数据中发现隐含的内在有用信息,包括数据之间的关系、数据流的趋势、数据模式等信息,目前数据挖掘已经成为电子信息领域一个极为重要的技术[1]。数据挖掘技术由若干个子技术组成,包括:关联规则挖掘[2]、频繁项集挖掘[3]、模式挖掘[3]、数据聚类等,这些子技术与数学的关系十分密切并且较为抽象,使得初学者难以理解。

数据挖掘是高校计算机专业与信息专业的基础课程,数据挖掘技术的抽象使得学生难以理解,这为教学带来了极大的困难。数据挖掘教学与实验方案[4]应当满足以下几点要求:① 支持不同的数据挖掘子技术;②能够快速、准确地仿真数据挖掘的工作流程;③采用云计算技术提高数据分析与存储的效率;④提供数据挖掘的可视化界面。目前主流的数据挖掘商业软件主要有Orange4WS(Orange for Web Services)[5]、KNIME (Konstanz Information Miner) analytics platform[6]、RapidMiner Studio等,这些商业软件价格较为昂贵,且不能同时满足上述4 点要求,无法直接用于高校的数据挖掘教学与实验。

为提高数据挖掘课程的可理解性,设计针对数据挖掘技术的教学与实验方案。该方案收集了传感器、互联网、社交媒体等不同类型的数据集,采用云计算技术对数据集进行分析处理,提高数据处理的效率,由此也提高了教学的效率。此外,设计了PC 端的图形界面,能够以图像形式描述数据分类、数据聚类以及数据降维的结果,提高数据挖掘技术的可理解性。……

登录APP查看全文

猜你喜欢

数据挖掘用户实验
记一次有趣的实验
探讨人工智能与数据挖掘发展趋势
做个怪怪长实验
基于并行计算的大数据挖掘在电网中的应用
关注用户
NO与NO2相互转化实验的改进
实践十号上的19项实验
关注用户
关注用户
一种基于Hadoop的大数据挖掘云服务及应用