大数据设计论文参考文献

大数据论文参考文献回答于2018-09-14现今人们的生活到处充斥着大数据给我们带来的便利，那么大数据论文参考文献有哪些呢?小编为方便大家特意搜集了一些大数据论文参考文献，希望能帮助到大家。大数据论文参考文献一：[1] 陈杰. 本地文件系统数据更新模式研究[D]. 华中科技大学 2014[2] 刘洋. 层次混合存储系统中缓存和预取技术研究[D]. 华中科技大学 2013[3] 李怀阳. 进化存储系统数据组织模式研究[D]. 华中科技大学 2006[4] 邓勇强，朱光喜，刘文明. LDPC码的低复杂度译码算法研究[J]. 计算机科学. 2006(07)[5] 陆承涛. 存储系统性能管理问题的研究[D]. 华中科技大学 2010[6] 罗东健. 大规模存储系统高可靠性关键技术研究[D]. 华中科技大学 2011[7] 王健宗. 云存储服务质量的若干关键问题研究[D]. 华中科技大学 2012[8] 余雪里. 金属氧化物pn异质结对光电响应与气体敏感特性的作用[D]. 华中科技大学 2014[9] 王玮. 基于内容关联密钥的视频版权保护技术研究[D]. 华中科技大学 2014[10] 韩林. 云存储移动终端的固态缓存系统研究[D]. 华中科技大学 2014[11] 田宽. 宫内节育器用Cu/LDPE复合材料的表面改性研究[D]. 华中科技大学 2013[12] 聂雪军. 内容感知存储系统中信息生命周期管理关键技术研究[D]. 华中科技大学 2010[13] 王鹏. 低密度奇偶校验码应用于存储系统的关键技术研究[D]. 华中科技大学 2013[14] 刁莹. 用数学建模方法评价存储系统性能[D]. 哈尔滨工程大学 2013[15] 符青云. 面向大规模流媒体服务的高性能存储系统研究[D]. 电子科技大学 2009[16] 王玉林. 多节点容错存储系统的数据与缓存组织研究

1.[期刊论文]数据科学与大数据技术专业的教材建设探索期刊：《新闻文化建设》 | 2021 年第 002 期摘要：随着大数据时代的到来,信息技术蓬勃发展,国家大力推进大数据产业的发展,鼓励高校设立数据科学和数据工程相关专业。在趋势的推动下,许多高校成立了数据科学与大数据技术专业。本文通过研究数据科学与大数据技术专业的发展现状,探索新专业下人才培养的课程设置及教材建设等问题,同时介绍高等教育出版社在数据科学与大数据技术专业教材建设方面的研发成果。关键词：数据科学与大数据技术专业；课程设置；教材建设链接：.[期刊论文]数据科学与大数据技术专业课程体系探索期刊：《科教文汇》 | 2021 年第 002 期摘要：该文阐述了数据科学与大数据专业的设置必要性、专业的培养目标和知识能力结构,最后探索了数据科学与大数据专业的技术性课程体系设置方法.希望该文内容对数据科学与大数据技术专业的培养方案制订和课程体系构造具有一定的指导意义和参考价值.关键词：数据科学；大数据技术；课程体系链接：.[期刊论文]数据科学与大数据技术专业实验实践教学探析期刊：《长春大学学报（自然科学版）》 | 2021 年第 001 期摘要：近些年各种信息数据呈爆炸式增长,在这种背景下,国家在2015年印发了关于大数据技术人才培养的相关文件,每年多个高校的大数据相关专业获批.数据量的增长对数据处理的要求越来越高,各行业涉及信息数据的范围越来越广,对大数据专业人才的需求越来越多.为了应对社会需求,如何科学地规划数据科学与大数据专业的本科教育,尤其在当前注重实践操作的背景下,如何制定适合的实验实践教学方案,更好满足社会需求.关键词：数据科学；大数据；实践教学链接：

大数据计划论文的参考文献

写论文的时候，通常要求大家以后写十篇左右的参考文献。参考文献的要求应该和你写的题目有关。你写的是会计论文，后面的参考文献是体育论文，是完全不行的。下面和小编一起来了解论文怎么查参考文献？论文参考文献通常需要10~15个左右，有些学校需要两个英文参考文献。参考文献通常有自己独特的格式，参考文献主要分为期刊和论文。许多学生不知道如何查看这些参考文献，其实并不难。最简单的方法就是直接从查重报告上抄下来。小编推荐的查重系统是Paperfree，将论文上传到该系统进行查重，通常等待15-30分钟左右，会有详细的查重报告。本查重报告将列出本文引用的一些参考文献，因此您只需将本查重报告上的一些参考文献原封不动地复制到您的论文中。这种查找参考文献的方法是最简单方便的，可以原封不动的复制，也可以保证参考文献的格式不会出错。另一种方法是在早期写论文时阅读大量的参考文献，许多学生会记录这些参考文献的名称。您还可以阅读以前做的阅读笔记，并将这些参考文献摘录到论文中。

毕业论文参考文献可以从图书馆或者中国知网上找。

毕业论文指的是你在大学期间对你所学专业的现实或理论问题进行科学探索且是有一定意义的论文，一般大学生在大三下半学期就可以为毕业论文做准备了，因为大四的上半学期要准备实习，下半学期要准备毕业答辩，等大四再去慢慢准备毕业论文时间是很仓促的。毕业论文的撰写过程要求是相当高的，学生要在相关教师的指导下，选定要写的课题才行，这也是从总体上考察一名大学生大学四年的学习成果。

毕业论文一般都包含以下部分：题目、署名、中文摘要、中文关键词、英文摘要、英文关键词（其中英文摘要和关键词要与中文摘要和关键词相对应）、引言（前言)、正文、参考文献、致谢辞和附录。其中对参考文献的要求和格式都特别严格，查找参考文献的过程也特别浪费时间，下面我将讲讲一些找参考文献的方法。

1.确定方向

不管你要找什么类型的参考，首先都要确定你的毕业论文写作方向，然后根据根据你的毕业论文主题去寻找你所需要的参考文献。所以，定方向是至关重要的一步。

2.找信息

找信息这一步是最耗费心血也是工作量最大的一步了，因为就算你明确了你要找的参考文献目标，但是这一类的参考文献实在太多了，所以找起来也不方便。这些都是你要面临的挑战。找参考文献的话主要有两种方法：①图书馆。不过这个图书馆的范围就有点大了，你可以利用学校的图书馆，毕竟每一所高校的图书馆都提供了很多的资源供大家使用。同时要是学校图书馆的还是不能找到你所需的参考文献，你也可以去当地的图书馆，每一个县级以上的地区都设有它们专门的图书馆，你可以去看看。

②网站信息。随着大数据时代的来临，我们查找资料也越来越方便了，只用动动手指就可以在网上查找到你所需要的资料。现在网上也有专门的网站为大家提供寻找参考文献的便利。比如中国知网和全国学术快报等。

3.信息来源

毕业论文的参考文献不仅仅是局限于一些专著，它还可以包括论文集、辞书、研究报告、期刊文章和报纸文章等。

所以其实找毕业论文的参考文献其实有多种途径，能找的文献也很多，只是在找的过程中比较麻烦，还有就是一定不要抄袭，要是在毕业论文出现抄袭现象后果是很严重的。

关于毕业论文参考文献，首先,文献类型不同,其著录方式不同;其次尽管不同的文献类型，著录方式不同 ,但基本上分为三个部分,分别是:(1)参考文献的作者;( 2 )参考文献的名称和文献类型;(3)参考文献的出版信息。第一类专著、论文集、学位论文、报告等文献类型的著录方式:[序号]主要责任者.文献题名[文献类型标识9].出版地:出版者,出版年,起止页码a (任选) 。第二类是期刊文章,其著录格式如下:[序号]主要责任者.文献题名[].刊名,年，卷(期) :起止页码。期刊文章是使用最多的文献类型,它的著录也包括着作者、文献名称及类型、出版信息三部分内容。第三类是会议论文集,其著录格式如下:[序号]析出文献主要责任者.析出文献题名[A].原文献主要责任者(任选) .原文献题名[C].出版地:出版者,出版年.析出文献起止页码。

数据挖掘方法设计论文参考文献

数据挖掘的算法及技术的应用的研究论文

摘要：数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中发现隐含的、规律性的、人们事先未知的, 但又是潜在有用的并且最终可被理解的信息和知识的非平凡过程。任何有数据管理和知识发现需求的地方都可以借助数据挖掘技术来解决问题。本文对数据挖掘的算法以及数据挖掘技术的应用展开研究, 论文对数据挖掘技术的应用做了有益的研究。

关键词：数据挖掘; 技术; 应用;

引言: 数据挖掘技术是人们长期对数据库技术进行研究和开发的结果。起初各种商业数据是存储在计算机的数据库中的, 然后发展到可对数据库进行查询和访问, 进而发展到对数据库的即时遍历。数据挖掘使数据库技术进入了一个更高级的阶段, 它不仅能对过去的数据进行查询和遍历, 并且能够找出过去数据之间的潜在联系, 从而促进信息的传递。

一、数据挖掘概述

数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中发现隐含的、规律性的、人们事先未知的, 但又是潜在有用的并且最终可被理解的信息和知识的非平凡过程。

二、数据挖掘的基本过程

(1) 数据选择:选择与目标相关的数据进行数据挖掘。根据不同的数据挖掘目标, 对数据进行处理, 不仅可以排除不必要的数据干扰, 还可以极大地提高数据挖掘的效率。 (2) 数据预处理:主要进行数据清理、数据集成和变换、数据归约、离散化和概念分层生成。 (3) 模式发现:从数据中发现用户感兴趣的模式的过程.是知识发现的主要的处理过程。 (4) 模式评估:通过某种度量得出真正代表知识的模式。一般来说企业进行数据挖掘主要遵循以下流程——准备数据, 即收集数据并进行积累, 此时企业就需要知道其所需要的是什么样的数据, 并通过分类、编辑、清洗、预处理得到客观明确的目标数据。数据挖掘这是最为关键的步骤, 主要是针对预处理后的数据进行进一步的挖掘, 取得更加客观准确的数据, 方能引入决策之中, 不同的企业可能采取的数据挖掘技术不同, 但在当前来看暂时脱离不了上述的挖掘方法。当然随着技术的进步, 大数据必定会进一步成为企业的立身之本, 在当前已经在很多领域得以应用。如市场营销, 这是数据挖掘应用最早的领域, 旨在挖掘用户消费习惯, 分析用户消费特征进而进行精准营销。就以令人深恶痛绝的弹窗广告来说, 当消费者有网购习惯并在网络上搜索喜爱的产品, 当再一次进行搜索时, 就会弹出很多针对消费者消费习惯的商品。

三、数据挖掘方法

1、聚集发现。

聚集是把整个数据库分成不同的群组。它的目的是要群与群之间差别很明显.而同一个群之间的数据尽量相似.聚集在电子商务上的典型应用是帮助市场分析人员从客户基本库中发现不同的客户群, 并且用购买模式来刻画不同客户群的特征。此外聚类分析可以作为其它算法 (如特征和分类等) 的预处理步骤, 这些算法再在生成的簇上进行处理。与分类不同, 在开始聚集之前你不知道要把数据分成几组, 也不知道怎么分 (依照哪几个变量) .因此在聚集之后要有一个对业务很熟悉的人来解释这样分群的意义。很多情况下一次聚集你得到的分群对你的业务来说可能并不好, 这时你需要删除或增加变量以影响分群的方式, 经过几次反复之后才能最终得到一个理想的结果.聚类方法主要有两类, 包括统计方法和神经网络方法.自组织神经网络方法和K-均值是比较常用的`聚集算法。

2、决策树。

这在解决归类与预测上能力极强, 通过一系列的问题组成法则并表达出来, 然后经过不断询问问题导出所需的结果。典型的决策树顶端是一个树根, 底部拥有许多树叶, 记录分解成不同的子集, 每个子集可能包含一个简单法则。

四、数据挖掘的应用领域

市场营销

市场销售数据采掘在销售业上的应用可分为两类:数据库销售和篮子数据分析。前者的任务是通过交互式查询、数据分割和模型预测等方法来选择潜在的顾客以便向它们推销产品, 而不是像以前那样盲目地选择顾客推销;后者的任务是分析市场销售数据以识别顾客的购买行为模式, 从而帮助确定商店货架的布局排放以促销某些商品。

金融投资

典型的金融分析领域有投资评估和股票交易市场预测, 分析方法一般采用模型预测法。这方面的系统有Fidelity Stock Selector, LBS Capital Management。前者的任务是使用神经网络模型选择投资, 后者则使用了专家系统、神经网络和基因算法技术辅助管理多达6亿美元的有价证券。

结论:数据挖掘是一种新兴的智能信息处理技术。随着相关信息技术的迅猛发展, 数据挖掘的应用领域不断地拓宽和深入, 特别是在电信、军事、生物工程和商业智能等方面的应用将成为新的研究热点。同时, 数据挖掘应用也面临着许多技术上的挑战, 如何对复杂类型的数据进行挖掘, 数据挖掘与数据库、数据仓库和Web技术等技术的集成问题, 以及数据挖掘的可视化和数据质量等问题都有待于进一步研究和探索。

参考文献

[1]孟强, 李海晨.Web数据挖掘技术及应用研究[J].电脑与信息技术, 2017, 25 (1) :59-62.

[2]高海峰.智能交通系统中数据挖掘技术的应用研究[J].数字技术与应用, 2016 (5) :108-108.

Web数据挖掘技术探析论文

在日复一日的学习、工作生活中，大家或多或少都会接触过论文吧，论文对于所有教育工作者，对于人类整体认识的提高有着重要的意义。那么你知道一篇好的论文该怎么写吗？以下是我收集整理的Web数据挖掘技术探析论文，供大家参考借鉴，希望可以帮助到有需要的朋友。

引言

当前，随着网络技术的发展和数据库技术的迅猛发展，有效推动了商务活动由传统活动向电子商务变革。电子商务就是利用计算机和网络技术以及远程通信技术，实现整个商务活动的电子化、数字化和网络化。基于Internet的电子商务快速发展，使现代企业积累了大量的数据，这些数据不仅能给企业带来更多有用信息，同时还使其他现代企业管理者能够及时准确的搜集到大量的数据。访问客户提供更多更优质的服务，成为电子商务成败的关键因素，因而受到现代电子商务经营者的高度关注，这也对计算机web数据技术提出了新的要求，Web数据挖掘技术应运而生。它是一种能够从网上获取大量数据，并能有效地提取有用信息供企业决策者分析参考，以便科学合理制定和调整营销策略，为客户提供动态、个性化、高效率服务的全新技术。目前，它已成为电子商务活动中不可或缺的重要载体。

计算机web数据挖掘概述

1.计算机web数据挖掘的由来

计算机Web数据挖掘是一个在Web资源上将对自己有用的数据信息进行筛选的过程。Web数据挖掘是把传统的数据挖掘思想和方法移植到Web应用中，即从现有的Web文档和活动中挑选自己感兴趣且有用的模式或者隐藏的数据信息。计算机Web数据挖掘可以在多领域中展示其作用，目前已被广泛应用于数据库技术、信息获取技术、统计学、人工智能中的机器学习和神经网络等多个方面，其中对商务活动的变革起到重大的推动作用方面最为明显。

2.计算机Web数据挖掘含义及特征

(1)Web数据挖掘的含义

Web数据挖掘是指数据挖掘技术在Web环境下的应用，是一项数据挖掘技术与WWW技术相结合产生的新技术，综合运用到了计算机语言、Internet、人工智能、统计学、信息学等多个领域的技术。具体说，就是通过充分利用网络(Internet)，挖掘用户访问日志文件、商品信息、搜索信息、购销信息以及网络用户登记信息等内容，从中找出隐性的、潜在有用的和有价值的信息，最后再用于企业管理和商业决策。

(2)Web数据挖掘的特点

计算机Web数据挖掘技术具有以下特点：一是用户不用提供主观的评价信息;二是用户“访问模式动态获取”不会过时;三是可以处理大规模的数据量，并且使用方便;四是与传统数据库和数据仓库相比，Web是一个巨大、分布广泛、全球性的信息服务中心。

(3)计算机web数据挖掘技术的类别

web数据挖掘技术共有三类：第一类是Web使用记录挖掘。就是通过网络对Web日志记录进行挖掘，查找用户访问Web页面的模式及潜在客户等信息，以此提高其站点所有服务的竞争力。第二类是Web内容挖掘。既是指从Web文档中抽取知识的过程。第三类是Web结构挖掘。就是通过对Web上大量文档集合的内容进行小结、聚类、关联分析的方式，从Web文档的组织结构和链接关系中预测相关信息和知识。

计算机web数据挖掘技术与电子商务的关系

借助计算机技术和网络技术的日臻成熟，电子商务正以其快速、便捷的特点受到越来越多的企业和个人的关注。随着电子商务企业业务规模的不断扩大，电子商务企业的商品和客户数量也随之迅速增加，电子商务企业以此获得了大量的数据，这些数据正成为了电子商务企业客户管理和销售管理的重要信息。为了更好地开发和利用这些数据资源，以便给企业和客户带来更多的便利和实惠，各种数据挖掘技术也逐渐被应用到电子商务网站中。目前，基于数据挖掘(特别是web数据挖掘)技术构建的电子商务推荐系统正成为电子商务推荐系统发展的一种趋势。

计算机web数据挖掘在电子商务中的具体应用

(1)电子商务中的web数据挖掘的过程

在电子商务中，web数据挖掘的过程主要有以下三个阶段：既是数据准备阶段、数据挖掘操作阶段、结果表达和解释阶段。如果在结果表达阶段中，分析结果不能让电子商务企业的决策者满意，就需要重复上述过程，直到满意为止。

(2)Web数据挖掘技术在电子商务中的应用

目前，电子商务在企业中得到广泛应用，极大地促进了电子商务网站的兴起，经过分析一定时期内站点上的用户的访问信息，便可发现该商务站点上潜在的客户群体、相关页面、聚类客户等数据信息，企业信息系统因此会获得大量的数据，如此多的数据使Web数据挖掘有了丰富的数据基础，使它在各种商业领域有着更加重要的.实用价值。因而，电子商务必将是未来Web数据挖掘的主攻方向。Web数据挖掘技术在电子商务中的应用主要包含以下几方面：

一是寻找潜在客户。电子商务活动中，企业的销售商可以利用分类技术在Internet上找到潜在客户，通过挖掘Web日志记录等信息资源，对访问者进行分类，寻找访问客户共同的特征和规律，然后从已经存在的分类中找到潜在的客户。

二是留住访问客户。电子商务企业通过商务网站可以充分挖掘客户浏览访问时留下的信息，了解客户的浏览行为，然后根据客户不同的爱好和要求，及时做出让访问客户满意的页面推荐和专属性产品，以此来不断提高网站访问的满意度，最大限度延长客户驻留的时间，实现留住老客户发掘新客户的目的。

三是提供营销策略参考。通过Web数据挖掘，电子商务企业销售商能够通过挖掘商品访问情况和销售情况，同时结合市场的变化情况，通过聚类分析的方法，推导出客户访问的规律，不同的消费需求以及消费产品的生命周期等情况，为决策提供及时而准确的信息参考，以便决策者能够适时做出商品销售策略调整，优化商品营销。

四是完善商务网站设计。电子商务网站站点设计者能够利用关联规则，来了解客户的行为记录和反馈情况，并以此作为改进网站的依据，不断对网站的组织结构进行优化来方便客户访问，不断提高网站的点击率。

结语

本文对Web数据挖掘技术进行了综述，讲述了其在电子商务中广泛应用。可以看出，随着计算机技术和数据库技术快速发展，计算机Web数据技术的应用将更加广泛，Web数据挖掘也将成为非常重要的研究领域，研究前景巨大、意义深远。目前，我国的Web数据应用还处于探索和起步阶段，还有许多问题值得深入研究。

摘要：该文通过介绍电子商务及数据挖掘基本知识，分别从几个方面分析了电子商务中WEB数据挖掘技术的应用。

关键词：电子商务；数据挖掘；应用

1概述

电子商务是指企业或个人以网络为载体，应用电子手段，利用现代信息技术进行商务数据交换和开展商务业务的活动。随着互联网的迅速发展，电子商务比传统商务具有更明显的优势，由于电子商务具有方便、灵活、快捷的特点，使它已逐渐成为人们生活中不可缺少的活动。目前电子商务平台网站多，行业竞争强，为了获得更多的客户资源，电子商务网站必须加强客户关系管理、改善经营理念、提升售后服务。数据挖掘是从数据集中识别出隐含的、潜在有用的、有效的，新颖的、能够被理解的信息和知识的过程。由数据集合做出归纳推理，从中挖掘并进行商业预判，能够帮助电子商务企业决策层依据预判，对市场策略调整，将企业风险降低,从而做出正确的决策，企业利润将最大化。随着电子商务的应用日益广泛，电子商务活动中会产生大量有用的数据，如何能够数据挖掘出数据的参考价值？研究客户的兴趣和爱好，对客户分门别类，将客户心仪的商品分别推荐给相关客户。因此,如何在电子商务平台上进行数据挖掘成为研究的热点问题。

2数据挖掘技术概述

数据挖掘（DataMining），也称数据库中的知识发现（KnowledgeDiscoveryinDatabase，KDD）。数据挖掘一般是指从海量数据中应用算法查找出隐藏的、未知的信息的过程。数据挖掘是一个在大数据资源中利用分析工具发现模型与数据之间关系的一个过程，数据挖掘对决策者寻找数据间潜在的某种关联，发现隐藏的因素起着关键作用。这些模式是有潜在价值的、并能够被理解的。数据挖掘将人工智能、机器学习、数据库、统计、可视化、信息检索、并行计算等多个领域的理论与技术融合在一起的一门多学科交叉学问，这些学科也对数据挖掘提供了很大的技术支撑。

3Web数据挖掘特点

Web数据挖掘就是数据挖掘在Web中的应用。Web数据挖掘的目的是从万维网的网页的内容、超链接的结构及使用日志记录中找到有价值的数据或信息。依据挖掘过程中使用的数据类别，Web数据挖掘任务可分为：Web内容挖掘、Web结构挖掘、Web使用记录挖掘。

1）Web内容挖掘指从网页中提取文字、图片或其他组成网页内容的信息，挖掘对象通常包含文本、图形、音视频、多媒体以及其他各种类型数据。

2）Web结构挖掘是对Web页面之间的结构进行挖掘，挖掘描述内容是如何组织的，从Web的超链接结构中寻找Web结构和页面结构中的有价值模式。例如从这些链接中，我们可以找出哪些是重要的网页，依据网页的主题，进行自动的聚类和分类，为了不同的目的从网页中根据模式获取有用的信息，从而提高检索的质量及效率。

3）Web使用记录挖掘是根据对服务器上用户访问时的访问记录进行挖掘的方法。Web使用挖掘将日志数据映射为关系表并采用相应的数据挖掘技术来访问日志数据，对用户点击事件的搜集和分析发现用户导航行为。它用来提取关于客户如何浏览和使用访问网页的链接信息。如访问了哪些页面？在每个页面中所停留的时间？下一步点击了什么？在什么样的路线下退出浏览的？这些都是Web使用记录挖掘所关心要解决的问题。

4电子商务中Web挖掘中技术的应用分析

1）电子商务中序列模式分析的应用

序列模式数据挖掘就是要挖掘基于时间或其他序列的模式。如在一套按时间顺序排列的会话或事务中一个项目有存在跟在另一个项目后面。通过这个方法，WEB销售商可以预测未来的访问模式，以帮助针对特定用户组进行广告排放设置。发现序列模式容易使客户的行为被电子商务的组织者预测，当用户浏览站点时，尽可能地迎合每个用户的浏览习惯并根据用户感兴趣的内容不断调整网页，尽可能地使每个用户满意。使用序列模式分析挖掘日志，可以发现客户的访问序列模式。在万维网使用记录挖掘应用中，序列模式挖掘可以用于捕捉用户路径之中常用的导航路径。当用户访问电子商务网站时，网站管理员能够搜索出这个访问者的对该网站的访问序列模式，将访问者感兴趣但尚未浏览的页面推荐给他。序列模式分析还能分析出商品购买的前后顺序，从而向客户提出推荐。例如在搜索引擎是发出查询请求、浏览网页信息等，会弹出与这些信息相关的广告。例如购买了打印机的用户，一般不久就会购买如打印纸、硒鼓等打印耗材。优秀的推荐系统将为客户建立一个专属商店,由每个客户的特征来调整网站的内容。也能由挖掘出的一些序列模式分析网站及产品促销的效果。

2）电子商务中关联规则的应用

关联规则是揭示数据之间隐含的相互关系，关联分析的任务是发现事物间的关联规则或相关程序。关联规则挖掘的目标是在数据项目中找出每一个数据信息的内在关系。关联规则挖掘就是要搜索出用户在服务器上访问的内容、页面、文件之间的联系，从而改进电子商务网站设计。可以更好在组织站点，减少用户过滤网站信息的负担，哪些商品顾客会可能在一次购物时同时购买？关联规则技术能够通过购物篮中的不同商品之间的联系，分析顾客的购物习惯。例如购买牛奶的顾客90%会同时还购买面包，这就是一条关联规则，如果商店或电子商务网站将这两种商品放在一起销售，将会提高它们的销量。关联规则挖掘目标是利用工具分析出顾客购买商品间的联系，也即典型购物篮数据分析应用。关联规则是发现同类事件中不同项目的相关性，例如手机加充电宝，鼠标加鼠标垫等购买习惯就属于关联分析。关联规则挖掘技术可以用相应算法找出关联规则，例如在上述例子中，商家可以依据商品间的关联改进商品的摆放，如果顾客购买了手机则将充电宝放入推荐的商品中，如果一些商品被同时购买的概率较大，说明这些商品存在关联性，商家可以将这些有关联的商品链接放在一起推荐给客户,有利于商品的销售，商家也根据关联有效搭配进货，提升商品管理水平。如买了灯具的顾客，多半还会购买开关插座，因此，一般会将灯具与开关插座等物品放在一个区域供顾客选购。依据分析找出顾客所需要的商品的关联规则，由挖掘分析结果向顾客推荐所需商品，也即向顾客提出可能会感兴趣的商品推荐，将会大大提高商品的销售量。

3）电子商务中路径分析技术的应用

路径分析技术通过对Web服务器的日志文件中客户访问站点的访问次数的分析，用来发现Web站点中最经常访问的路径来调整站点结构，从而帮助使用用户以最快的速度找到其所需要的产品或是信息。例如在用户访问某网站时，如果有很多用户不感兴趣的页面存在，就会影响用户的网页浏览速度，从而降低用户的浏览兴趣，同时也会使整个站点的维护成本提高。而利用路径分析技术能够全面地掌握网站各个页面之间的关联以及超链接之间的联系，通过分析得出访问频率最高的页面，从而改进网站结构及页面的设计。

4）电子商务中分类分析的应用

分类技术在根据各种预定义规则进行用户建模的Web分析应用中扮演着很重要的角色。例如，给出一组用户事务，可以计算每个用户在某个期间内购买记录总和。基于这些数据，可以建立一个分类模型，将用户分成有购买倾向和没有购买倾向两类，考虑的特征如用户统计属性以及他们的导航活动。分类技术既可以用于预测哪些购买客户对于哪类促销手段感兴趣，也可以预测和划分顾客类别。在电子商务中通过分类分析，可以得知各类客户的兴趣爱好和商品购买意向，因而发现一些潜在的购买客户，从而为每一类客户提供个性化的网络服务及开展针对性的商务活动。通过分类定位模型辅助决策人员定位他们的最佳客户和潜在客户，提高客户满意度及忠诚度，最大化客户收益率，以降低成本，增加收入。

5）电子商务中聚类分析的应用

聚类技术可以将具有相同特征的数据项聚成一类。聚类分析是对数据库中相关数据进行对比并找出各数据之间的关系，将不同性质特征的数据进行分类。聚类分析的目标是在相似的基础上收集数据来分类。根据具有相同或相似的顾客购买行为和顾客特征，利用聚类分析技术将市场有效地细分，细分后应可每类市场都制定有针对性的市场营销策略。聚类分别有页面聚类和用户聚类两种。用户聚类是为了建立拥有相同浏览模式的用户分组，可以在电子中商务中进行市场划分或给具有相似兴趣的用户提供个性化的Web内容，更多在用户分组上基于用户统计属性（如年龄、性别、收入等）的分析可以发现有价值的商业智能。在电子商务中将市场进行细化的区分就是运用聚类分析技术。聚类分析可根据顾客的购买行为来划分不同顾客特征的不同顾客群，通过聚类具有类似浏览行为的客户，让市场人员对顾客进行类别细分，能够给顾客提供更人性化的贴心服务。比如通过聚类技术分析，发现一些顾客喜欢访问有关汽车配件网页内容，就可以动态改变站点内容，让网络自动地给这些顾客聚类发送有关汽车配件的新产品信息或邮件。分类和聚类往往是相互作用的。在电子商务中通过聚类行为或习性相似的顾客，给顾客提供更满意的服务。技术人员在分析中先用聚类分析将要分析的数据进行聚类细分，然后用分类分析对数据集合进行分类标记，再将该标记重新进行分类，一直如此循环两种分析方法得到相对满意的结果。

5结语

随着互联网的飞速发展，大数据分析应用越来越广。商业贸易中电子商务所占比例越来越大，使用web挖掘技术对商业海量数据进行挖掘处理，分析客户购买喜好、跟踪市场变化，调整销售策略，对决策者做出有效决策及提高企业的市场竞争力有重要意义。

参考文献：

[1]庞英智.Web数据挖掘技术在电子商务中的应用[J].情报科学,2011,29(2):235-240.

[2]马宗亚,张会彦.Web数据挖掘技术在电子商务中的应用研究[J].现代经济信息,2014(6):23-24.

[3]徐剑彬.Web数据挖掘技术在电子商务中的应用[J].时代金融，2013(4):

[4]周世东.Web数据挖掘在电子商务中的应用研究[D].北京交通大学,2008.

[5]段红英.Web数据挖掘技术在电子商务中的应用[J].陇东学院学报,2009(3):32-34.

云计算大数据的论文参考文献

随着科技的快速发展,计算机在每个领域的应用越来越广泛。下面是我为大家整理的关于计算机学年论文，供大家参考。

摘要：针对高校计算机应用技术专业人才培养存在的问题，从应用型人才培养的角度出发，提出了一系列有改革措施，旨在提高计算机专业人才培养质量。

关键词：产业升级;计算机;人才培养

1研究背景

信息技术产业的创新升级和新技术、新产品的不断涌现，促使社会对计算机应用技术高端技能型人才的需求量急剧增加，与时俱进的改革与创新人才培养模式，对计算机类专业高端人才培养至关重要。为全面贯彻安徽省“十二五” 教育事业发展规划，充分发挥职业教育为地方经济建设提供智力支持和人才支撑的作用，笔者在产业升级背景下，提出计算机应用专业人才培养模式的改革创新，有利地区于计算机类专业的深入发展，也满足了新型信息产业发展的需要，从而为产业转型升级提供人才支撑。

2计算机专业人才培养模式存在的问题

计算机专业课程体系同质化

目前我国缺乏一大批能从事基础性工作的“软件蓝领”，更缺乏既懂技术又懂管理的软件高级人才。而现实中，我国高校计算机专业人才培养模式过于单一，学生素质的同质化也比较严重，这种情况很难适应市场需求，也不可能满足软件产业发展的需要。普通高校计算机专业课程体系向示范学校看齐，全国出现课程体系同质化倾向，专业建设及人才培养缺乏特色，与地方经济、行业发展不相适应[1]。

专业教育滞后于专业知识的更新

从信息技术发展来看，方向日渐增多，分工越趋细化，学科的不同领域匹配的知识结构和技能素质往往大相径庭，而高校在知识的积累与传授上，远远赶不上信息技术和知识的更新速度。因为缺乏必要的教学改革，课程内容远远落后于现代技术的进步速度，导致学校在课程设置、教学内容、培养模式等方面与社会、行业、岗位各方面的脱节。

教学方法死板落后

教师为了最大限度地传授知识，大多采用了以讲授为主的教学方式，而且在讲授中又侧重于单方面的灌输，导致学生独立思考能力、实践应用能力和主动创造能力低下。教学方式也不能满足培养具有创新精神、实践能力和社会竞争力的高素质人才需要。

考核评价方式单一僵化

多数课程的考核方式不是考试就是考查，大量的格式化的笔试或机试题目造成学生死记硬背，缺乏灵活多样的考核评价方式，极大的打击了学生的学习积极性，降低了学生接触新知识的机会，不利于学生实际应用能力的锻炼，严重妨碍了学生的人才培养质量。

综合实践环节过少

教学中仍存在重理论、轻实践，重知识传授，轻能力培养的倾向。实践教学内容存在不足，在实践项目的体系安排上基本上是验证理论性的体系，理论课与实践课同步,前后实践项目之间纵向联系较少，在不同课程之间横向联系更少，不能满足实际工作需要[2]。

3计算机专业人才培养模式改革与实践

人才培养目标市场化

主动适应人才市场需求的变化，以就业为导向，坚持育人为本，德育为先，积极培养学生的实践能力、创造能力、就业能力和创业能力;主动适应区域、行业经济发展的需要，根据学院的自身条件，建立连动机制，适时的设计人才培养目标。

课程体系模块化和职业化

根据市场设专业，根据岗位要求制定培养方案，根据能力要求设计课程模块，在教材建设过程中充分体现职业化。将课程体系设置成基本素质模块、基本技能模块、专业技能模块和拓展技能模块。基本素质模块主要培养学生高尚的情操、遵纪守法的意识、诚信品质、扎实的文化功底、吃苦耐劳精神;基本技能模块主要培养学生基本的计算机组装和维护能力、熟练使用办公软件的能力、基本的图像处理能力;专业技能模块由三个部分组成：软件编程部分、网络建设部分和网页设计部分，主要培养学生的专业技能，是本专业的核心部分;拓展技能主要培养学生的沟通能力、团队协作精神等。教材建设是能力培养的保证，在选用教材方面坚持职业化。通过选用高职高专的规划教材、与企业合作开发教材、建立校本教材等方式，使得教材的内容职业化，课程体系结构化。使学生在校所学内容即工作所需内容，达到学以致用的目的。

教育方式工学结合化

建立与生产劳动和社会实践相结合的教育模式。在课程体系模块化和职业化的基础上，建立工学结合的教育模式。主要通过课程实训、模块实训、综合实训和顶岗实习的方式来改善教育模式。模块中每门课程在教学的过程中通过课程实训将知识和实践结合起来，培养学生知其理还要知其用;模块实训在课程实训的基础上完成，通过仿真的项目帮助学生综合课程知识，构建相应的能力;综合实训是在学业即将结束时完成，通过综合实训，培养学生综合技能和职业素养;顶岗实习让学生到具体的工作实际进行工作，在工作的环境中运用专业知识、总结学习成果、提高职业能力。学生实习实践的安排采取灵活机制，可以采取学生到企业见习、企业人员到学校指导、学院建立模拟工作环境、学生成立校园虚拟公司进行运营等方式。

教学组织多样化

为实现实验区的人才培养目标，拟采用“2+”的教学组织模式，即在校内进行2年扎实的教学与技能实训，再进行年的综合实训，然后在校外实训基地采用双元制进行年的实践教学和岗位培训。在具体的组织形式上采用任务驱动、项目导向、案例呈现、团队协作、工作模拟、工学交替等方式，将老师讲授课堂移到实习实训地点，是课堂与实习地点一体化，达到融“教、学、做”为一体的目的。另外充分利用网络环境，建立开放的学习实训交流平台[3]。

师资队伍多元化

计算机应用人才的培养必须突出“应用型”的目标定位，强调理论与实践相结合、知识与技能相结合、人才培养与市场需求相结合[4]。应用型人才的培养要求通过多元化的教师队伍具体来实现。这就要求我们构建专兼结合，有较高造诣和丰富实践经验的师资队伍，这是达成教学目的、实现人才培养，促进学科发展，保证人才培养双元制实施的重要保证。

参考文献：

[1]李春杰.能力导向计算机专业人才培养模式改革研究[J].渤海大学学报(自然科学版),2011,32(2):176-179

[2]杜娟，衣治安，刘志刚.计算机类专业应用型人才培养一体化教学模式的研究[J].中国电力教育，2011(8):38-39

[3]易万程，桂颖.浅谈计算机专业应用创新型人才培养[J].信息系统工程,2011(1):75-76

[4]范颖.高职高专计算机专业人才培养模式探究[J].新校园(理论版),2010(6):52-52

摘要：21世纪是信息的时代，计算机作为信息的源泉已经深入到我们生活的各个方面，随之而来的是计算机网络安全问题。网络安全与我们的生活息息相关，怎样保障我们自身信息的安全性是计算机网络面临的一个重要问题，不论是国家还是个人都对安全问题异常关注。从计算机网络安全基本概念入手来分析现有的网络安全现状以及解决这些威胁的防范措施。

关键词：计算机网络;安全;防范措施

伴随计算机的广泛应用而产生计算机网络安全问题是现代信息社会的重点关注问题，计算机网络安全问题制约着计算机技术的发展，也影响着人们日常生活的安定。但计算机的安全防范需要全社会的共同探索，最终找到一个安定的计算机网络环境。所谓计算机网络安全是由硬件安全和软件安全两大部分组成，硬件安全主要指保证构成计算机的硬件设备不会遭受自然或者是人为的破坏。这些破坏导致计算机不能正常运行，一般是指计算机硬盘和其他设备的通信线路不受到破坏。计算机软件安全是指计算机在传输信息的过程中要保证信息完整性、信息保密性和信息可靠性。完整性是指信息在传输中保持整体性，不会被修改或篡改;保密性是指信息只可以被授权的人阅读和改写，不能被人随意窃取或修改;可靠性是指信息是真实有效的，不是过期或者非法的信息[1]。

1计算机网络的主要威胁

计算机网络安全主要面对的威胁分为硬件威胁和软件威胁，硬件威胁是指构成计算机的硬件设备面临的威胁，软件威胁是指计算机在传输信息时面对的威胁。

硬件安全威胁。计算机网络的载体是计算机硬件，如果硬件遭到破坏计算机网络系统必然会受到很大的限制甚至陷入瘫痪状态。但是计算机硬件安全威胁比较单一，主要是指计算机网络的线路、服务器等设备是否受到火灾、辐射的影响。

软件安全威胁。因特网最初是为学术性探讨而设计，端口设置签订的协议处于开放状态。这种开放状态是互联网迅速发展的原因，也造成了现在错综复杂的网络安全问题。这种先天性的缺陷让很多不法分子乘虚而入，产生了无数的安全隐患。以下主要介绍较为普遍网络安全问题的成因。

用户淡薄的安全意识。很多用户在使用公共计算机时不注意保护自己的私密信息，在计算机上留下了很多个人信息，诸如计算机记住密码等。还有很多用户随意泄露自己的个人信息给陌生人，这都是很大的安全隐患。在开发层次中，软件开发者漫不经心造成易于被黑客侵袭软件安全漏洞也是重大安全隐患。

有缺陷的操作系统。任何一个操作系统在理论上都有安全漏洞，如果在漏洞被人非法利用前排除故障则可避免损失。若黑客控制了安全漏洞后，常利用漏洞控制计算机，使计算机陷入瘫痪。这是黑客窃取计算机信息的常用手段，很多用户的资料信息便在不经意间泄露出去。

计算机病毒。计算机病毒是指黑客编写出的一段计算机小程序，通常是为了达到某种目的。这种程序很难被删除，且有极快的传播速度，常常会导致计算机反应迟缓甚至陷入瘫痪状态，如果长时间感染电脑还可能完成病毒进化造成更严重的后果。在这个过程中，用户信息也会被黑客非法盗取，致使用户损失很多资料和个人信息。

网络黑客。网络黑客是各种计算机病毒的始作俑者，进一步来说黑客的威胁远远大于一般的网络威胁，他们是网络威胁的源头。网络黑客对计算机操作系统了如指掌，他们利用计算机系统中的漏洞编写特定的程序来达到自己的目的，不一定是为了窃取资料而来，有些黑客甚至是纯粹为了好玩或者恶作剧而攻击计算机。黑客的破坏手段就像HIV病毒一样实时变换，难点不在于解除某种特定的计算机病毒，而在于变幻莫测的攻击形式，这是现代互联网整体要面对的问题[2]。

2安全防范措施

无穷的安全隐患致使安全防范措施不能一招奏效，对于不同的安全隐患需要对症下药。安全防范措施不仅要包含技术上的防范措施，更要开展社会教育，健全安全法制，从人们的潜意识里消灭安全问题。

硬件防范措施。上文提到的硬件安全隐患主要是设备遭到破坏造成的，保护硬件安全就是有效的防范措施，主要有防范火灾、抗辐射、抗寒冻等。对于大型机房需要配备安全人员保证事故发生后能得到有效的处理，不会将灾害蔓延到更大的范围，安全人员按时检查全部的计算机设备，防患于未然。在此基础上应该为电脑配备备用的仪器设备，当出现故障是能及时更换正常设备。对于普通用户来说，主要是保证计算机处于安全的环境，不被不法分子强行破坏。

提高用户的安全意识。计算机用户操作不当或者安全意识薄弱在安全问题上占很大的比例，加强计算机用户的安全意识是防范措施中最重要的一环。计算机用户必须学习一定的安全使用策略，培养出良好的安全意识习惯，这对于一般的黑客攻击和计算机威胁是十分有效的。

开发先进的网络技术。国家积极招收网络相关人才开发出防范软件程序是安全措施的重要部分，这不仅能找到先进的防范策略，还能吸引一部分潜在黑客，使他们成为为网络安全作重要贡献的积极分子。例如防火墙技术，防火墙的主要功能是过滤和控制计算机与外在互联网的连接，及时发现并阻止潜在威胁从而保障计算机有一个安全的网络环境。但防火墙技术有较多的缺陷，不能有效地保障墙内计算机用户的信息安全，对已经感染了的计算机文件和程序无计可施。开发这种技术一方面要发扬原有优势，另一方面要突破原有瓶颈。再比如计算机加密技术，加密技术是指将原有的信息通过计算机程序转换成特定的密文，再通过密钥将密文翻译成原始信息。这是现代计算机最常用的安全保护措施。目前加密技术主要表现为两种形式，一是信息的加密，即利用相应的算法程序将原始信息加密锁定，保证信息安全。二是对信息传输协议进行加密，这种加密方法较为复杂。以上两种形式的加密可以有效地阻止电脑遭受病毒感染，防止黑客入侵，保证计算机网络的安全运行[3]。

定期备份信息和漏洞扫描。计算机备份可以在系统受到破坏后有效的恢复到系统的原始状态，当受到诸如地震等无法防范的灾害时成功保护系统数据，保证计算机网络能正常安全运行。在面对多变的网络环境时，只有不断的检查修复才能保障计算机安全。单凭技术人员已有的安全知识和经验很难解决所有问题，用户要时刻保持安全意识并积极检查，才能发现漏洞并及时修复，保证系统安全。

3结束语

随着云计算大数据的迅速发展，未来的网络安全环境肯定会面临更多的挑战。个人和国家都必须重视网络安全问题，运用先进的网络安全防范技术来保护网络环境。在此基础上还要与时俱进不断学习安全知识。国家也应该健全安全法律法规，强化公民安全意识，营造出全民防范的氛围才能有效的解决安全问题。

参考文献

[1]杨光,李非非,杨洋.浅析计算机网络安全防范措施[J].科技信息,2011,29:70，93.

[2]吴俨俨.计算机网络安全防范措施研究[J].电脑编程技巧与维护,2013,2:83-84，106.

[3]付欣,郭鹏.计算机网络安全隐患与防范措施研究[J].计算机光盘软件与应用,2013,22:161，163.

计算机学年论文相关文章：

1. 大学计算机论文精选范文

2. 大学计算机专业毕业论文:网络的话语

3. 大学计算机专业毕业论文范文

4. 计算机科学论文精选范文

5. 大学计算机论文

大数据下的计算机信息处理技术研究论文

摘要：现如今，随着科学技术的快速发展，计算机技术已经融入到人们的生活之中，想想10年前的计算机技术和现如今的计算机技术，真的是天壤之别，发生了翻天覆地的变化。同时，大数据的应用也越来越广泛，带来了丰厚的利润，各种“云”层出不断，对大数据的背景下，计算机信息处理的技术提出更高的竞争和要求。本文首先介绍大数据的概念，阐述基于大数据背景下的各种计算机信息处理技术，并对技术进行分析研究，最后对大数据未来的发展的机会做出分析。

关键词：大数据；计算机信息；技术研究

随着科技的迅猛发展，大数据的应用愈来愈广，随之产生的数据系统总量大，十分庞大，这就对大数据时代下的计算机信息处理技术提出了更高的要求，如何将大数据处理的井然有序，有条不紊，值得每一位考研人员进行探讨。

一、大数据的概念

什么是大数据？大数据，另一种叫法称之为巨型资料，是一个十分复杂密集的数据集，这样的数据集在一定的时间内，依靠于传统普通的数据加工软件无法最终实现管理、抓取及处理的功能，需要进行创新，用新的处理模式才能够实现。大数据具有虚拟化、按需服务、低成本等等特点。在每一个消费者的角度来看，大数据中的计算技术资源服务可以帮助每一个大数据用户完成想要的资源信息，用户只需进行付费就可以直接使用，根本不需要到处搜寻资料，跑来派去的打听。这从根本上改变了人们对信息资源的需求方式，为用户提供一种超大规模的网络资源共享。同时，面对海量的大数据库资源，如何对大数据资源进行处理，得到用户们想要的信息资源，需要计算机信息技术不断的进行挖掘。

二、大数据下的计算机信息处理技术

总体的来说，基于大数据背景下的计算机信息处理技术总共可以分成以下3个方面：信息的获取及加工技术、信息的存储技术和信息安全方面的技术。下面就针对这三种技术，进行研究分析。1）信息的获取及加工技术。信息的获取及加工技术是实现信息化的第一步，是最基础的工作内容，只有完成了信息数据的搜集工作，才能进行下面的计算机信息技术的处理。因此，如若进行信息的采集工作，需要首先明确信息的目标源，对信息数据进行监控，时刻把握信息的流向及动态，然后将采集的信息数据输入至计算机数据库中，实现了信息的获取采集工作。接下来是第二步，信息的加工及处理工作，所有的加工和处理技术的核心在于用户的指引，完全由用户导向，设定信息的筛选范围，确定信息的丰富度等等。最后是依照于用户的要求，将信息资源传输到用户手中。这样就实现了整个信息从采集到处理，再从处理到传送工作的整个流程。2）信息的存储技术。在大数据的背景下，对于整个计算机信息的处理，信息技术的存储是十分关键的环节，可以将处理加工的数据得以保存，更方便用户对于数据的调取和应用。而且，现如今的信息数据总量大、更新速度快，合理的运用存储方面的技术，可以快速的实现信息的存储工作，提高工效效率，将复杂变简单。在目前的时代下，应用最广泛的是分布式数据存储技术，应用十分方便，能够实现快速大量的数据存储。3）信息安全方面的技术。大数据在方便用户使用和享受的同时，信息数据资源的安全性也是不容忽略的，而且随着社会的发展，数据资源的安全性和隐私性逐渐受到关注，如何实现数据库的安全是个十分值得研究的课题。首先最主要的是建立计算机安全体系，充分引进更多的人才。其次需要加强安全技术的研发速度，由于大数据发展及更新速度快，需要快速的更新原有的安全体系，尽快的适应大数据时代的更新速度。除此之外，加强对信息的监测是十分必要的，避免不法之人进行数据的盗取，在信息数据庞大的体量下，依然能够提供稳定有效的安全体系。

三、大数据下的计算机信息技术的发展前景

1）云技术的发展是必然趋势。云计算网络技术是越来越得到大的发展，一方面由于计算机硬件系统的数据处理技术有限，云技术可以完全的将弊端破除，同时，它能够利用最新的数据资源和处理技术，不依赖于计算机硬件系统。因此，随着庞大的数据越来越复杂，传统的数据处理方式已经不能够适应，未来将计算机信息处理必将朝着云计算发展。2）计算机网络不再受限于计算机硬件。未来，计算机网络技术将会不再受制于计算机硬件的限制，网络的传输技术更加趋向于开放化，计算机网络和计算机硬件将会分隔开，重新定义新的网络架构。3）计算机技术和网络相互融合。传统的计算机技术需要运用计算机的硬件系统才能够实现信息的处理、加工及存储工作，未来新的.计算技术将脱离于计算机硬件配备，可以仅仅用计算机网络就可以实现数据的加工和处理。同时，二者也将会相互融合、相互发展真正的满足由于大数据时代的更新所带来的困扰，这是未来大数据背景下计算机技术发展的又一个方向。

四、大数据下的计算机信息技术面临的机遇和挑战

在大数据背景下，计算机信息技术的机遇和挑战并存，首先，病毒及网站的恶意攻击是少不了的，这些问题是站在计算机信息技术面前的巨大挑战，同时，近些年，网络不断，社会关注度逐渐提高，网络的安全问题也是不同忽视，再者，信息之间的传送速度也有限，需要对传送技术进行创新，以适应更高的用户需求。最后，随着大数据库的不断丰富，越来越庞大的数据资源进行加工和处理，对数据的存储又有了新的要求，如何适应不断庞大的数据信息量，实现更加便捷的、满足用户需求的调取也是一个巨大的挑战。与此同时，也存在着许多的机遇。首先，大数据对信息安全的要求越来越大，一定程度上带动了信息安全的发展，其次，大数据在应用方面，对企业及用户带来了巨大的便利，同时也丰富了产业资源，未来用户及企业面前的竞争可能会转化为大数据信息资源的竞争。最后，大数据时代的来临，构造了以信息安全、云计算和物联网为主要核心的新形势。

五、结论

通过一番研究，目前在大数据时代下，计算机信息技术确实存在着一定的弊端，需要不断的进行创新和发展，相信未来的云计算会越来越先进，越来越融入到人们的生活及工作当中，计算机信息技术面临的巨大的挑战和机遇，面对挑战，抓住机遇，相信未来我国的计算机技术会越来越好，必将超过世界领先水平！

参考文献：

[1]王秀苏.计算机信息处理技术在办公自动化上的应用[J].科技经济市场,2010(03).

[2]张连杰.企业管理中计算机技术的应用[J].电脑知识与技术,2011(26).

[3]陈静.浅谈计算机处理技术[J].科技与企业,2012(11).

[4]赵春雷,乔治纳汉."大数据"时代的计算机信息处理技术[J].世界科学,2012.

[5]庄晏冬.智能信息处理技术应用与发展[J].黑龙江科技信息,2011.

[6]艾伯特拉斯洛,巴拉巴西,著.马慧,译.爆发:大数据时代预见未来的新思维[M].北京:中国人民大学出版社,2012.河南省高等学校重点科研项目计划（16A520008）

大数据论文参考文献

大数据对高校教育的推动作用论文

当代社会互联网发达，信息技术广泛应用与社会各个领域。当然，利用信息技术来推动高校教育发展也是在信息化教育进程之中。信息技术的发展迅速，大数据也就迅速堆积，大数据记录了信息技术发展的脚步，同样有利于信息技术在社会上的有效发展。高校作为发展人才的地方，自然少不了大量数据累积，信息量巨大，大数据对高校教育也就有着非常大的影响，它不仅推动着高校教育的发展，同时也反映着高校教育数据累积的过程，这类数据与外界环境的共享，一起发挥着大数据对高校教育的推动作用。

1大数据发挥出在高校教育的发展中的推动作用

高校教育在多年的发展中，逐渐适应了信息化的快速发展进程，将高校教育信息化是必然的条件，这对于高校教育的改革和完善具有完全有效的作用。高校教育信息化同样对提高教学质量，引导创新教学模式，发挥着重要作用。高校教育信息化有利于加强校园文化建设，促进教育高水平发展，有利于改善教学方法，发挥教育各项职能，有利于人才培养，有利于信息交流和教学环境改善。高校教育信息化是教育发展和提升的必要条件，大量的信息交流必定会产生众多数据，针对大数据进行数据收集和处理，方便数据检索和查询。高校教育本身就具有信息量大、数据多样，繁琐的鞥、特点，所以很好的利用大数据为高校教育发展做贡献，一定能更好的推动高校教育的发展。大数据在课堂上的应用，能够改变传统的教学模式，发挥信息技术的无限潜能，不管是时间还是空间的阻碍，都能被信息技术所打破，这将有利于学生更好的融入课堂，使学生更适应课堂，从而使理解知识变得容易。大数据的广泛应用，同样适用于科学研究方面，大数据的全面信息的应用对于信息的共享和交流具有关键推进作用，现代信息技术在社会科学中的应用将改善传统的研究方法，这样不但能提升结果的可信度，更能够提升工作效率，再者，大数据在服务人们方面的应用，高校能够更好的掌握社会需求，了解社会对人才的渴求，从而培养适应社会的人才。这样的好处还有能够加强高校和社会的联系，使得高校能够更好地履行社会职能。大数据还有利于高校建设校园文化与文化传承。高校对于优秀民族和世界文化都有责任和义务传播给更多学生，高校作为文化载体，有更好的条件进行文化教育，通过信息技术手段，方便文化沟通，以及技术交流等。

2大数据与高校教育之间的联系

大数据与高校教育之间不只是简单的应用关系，高校也绝不是被动的接受大数据，其实高校与大数据之间是相互依靠，相互促进的，高校教育的发展同时也是大数据的发展，同时，大数据的发展，也同样推动了高校教育的发展进程。大数据可以说是一种工具，一是顺应了高校教育的发展进程，同时也为高校教育发展做出了许多改善与提升。比方说大数据推动了高校对人才培养的进程，有利于高校选拔适合社会的高等人才，挖掘人才潜在价值，更好的为社会服务，也是为人们服务，帮助学生找到自身优势，使得人才发展变得顺利。前面说的，大数据帮助高校建立完善的文化体系，有助于高校进行文化传承，教育形式改革与创新。大数据有助于高校了解社会需求，发展与培养适应社会的全能人才。反过来，高校教育对大数据的发展也具有非常重要的推进作用。高校由于信息量巨大，也有相对完整的记录和完善形式，对于数据的收集等方面也有非常完善的系统，所以高校教育对于大数据的发展也有积极作用。高校通过长时间的数据利用，自然会产生许多有效的数据分类和整理办法，对数据的研究也非常细致和详细，对数据也会进行补充和完善，分析和创新数据记录办法，所以高校教育方面对数据的整理利用工作也会对大数据的发展做出更多贡献。说完了高校教育与大数据之间的相互利用，还应考虑大数据与高校教育之间的共同发展。许多高校在建立了比较完善的大数据处理和利用方式之后，通常会比较频繁的与外界进行数据处理办法和收集方式的交流和共享，大部分的'数据处理工作都是有目的性的，比方说在网上的数据检索工作，都是在先想好需要什么才去网上搜索的，所以对数据的分类整理工作至关重要。高校教育通常分为大体上的文科和理科，那再往下细分还有工科医科师范类商学类等等。不同的数据有不同的处理方式，不同的数据门类之间有时候也是互通的，所以大数据的处理办法和整体思维都是有分别的，也是有联系的，需要研究者长时间的分析和整理。大数据的使用需要专业的认可，不然的话就会造成资源浪费，看来社会上的机构大概也只有高校和研究员具有资格认证大数据的作用了。大数据广泛应用了信息技术和社会科学等多种学科的资源，在保证数据真实可靠地情况下，为更多数据使用者提供良好的数据参考作用。换句话说，高校教育过程中对数据的使用情况直接影响了大数据的利用率，高校对大数据提供了更多的技术支持，同时也限制了大数据的发展，所以大数据与高校教育之间的这种关系影响了两者之间的共同发展。

3大数据在推动高校教育发展过程中遇到的问题

不可否认，大数据在推动高校教育的发展过程做出了很多贡献，但是在大数据推动高校教育的过程中，仍会出现某些问题，阻止了大数据的推动作用，造成大数据没有完全发挥其应有的功能，没有很好的为高校教育做出更大贡献。首先是高校对于大数据的利用率低，主要体现在进行数据搜索和收集过程中，对需求的认识面太过狭隘，导致数据收集工作不完善，收据收集的不完全，在应用过程中就会有困难，造成信息缺失和资源不足，所以究其原因还是数据收集工作者工作中存在纰漏，或者对数据手机方法不正确不规范，造成了数据缺失情况出现。其次出现大数据利用不完全的问题是因为数据运用者技术不规范和操作不当造成数据使用不完全。和传统的数据使用方法相比，现代的利用大数据进行数据检索和使用工作已经如虎添翼，通过科技手段可以毫不费力的从大量的数据库中筛选出自己所需要的数据来进行利用。这不但大大降低了操作难度，同时也节省了很多时间，我们都知道数据挖掘工作复杂而且繁琐，更需要数据挖掘工作者认真细致的到位的工作态度，一点马虎不得。但是通过技术手段，以及先进的互联网技术，可以很好的解决很多工作中可能会出现的问题。但是机器就是机器，永远不可能有人的思维，就算有那也是人给他格外添加的，永远不可能超过人的思维，所以机器所犯的错误可能也会有很多，这就需要人来利用外力对数据采集处理等工作进行监督，一点失误就会造成数据错误，影响数据的使用。

4提升大数据推动高校教育有效性的对策

针对以上几点问题，首先提出的解决办法就是使人们充分认识大数据的作用，这样从根本上让人们建立起对大数据的作用的基本概念，才能仍大数据更好地为人们服务。大数据实在信息大爆炸的现代社会中人们必不可少的一种数据收集处理方式，对于社会的快速发展，必然会伴随数以万计的数据，那么对于这么多眼花缭乱的数据，要想提取出真正对自己有用的数据，就要利用科技手段，建立完整的数据库，方便人们的数据提取和利用。在认识了大数据的作用之后，就要合理的利用好大数据，正确的使用大数据，在大数据使用过程中应当规范使用办法，避免使用者滥用大数据，检索和分类过程也应当认真细致的操作，因为不仅仅是一次失误，之后的每一个步骤都有可能会对数据处理工作造成误解和偏差，造成大数据的错误使用。为了更好的使用大数据，推动大数据对高校教育的发展，高校应建立完善的大数据使用平台，让使用者能够有地方可查，有资源可用，提高大数据的使用率。至于校园内的配置，应当及时维护，对大数据的保管工作也应时常监督和完善，进一步加强数据使用效率，发挥其应有的价值。在人员配置选拔方面，要认真仔细筛选真正有用的人才，对数据进行分类处理和详细整理，更好的帮助校园内数据使用者进行数据使用程序。

5总结

在当下数据大爆炸的时代，能够更好的使用信息的人，将信息为己所用，那么就是发挥了大数据的真正价值。正确看待大数据，合理利用大数据，将大数据与高校教育有机的结合在一起，尽力发挥大数据应有的价值，有利于人们探索未知的知识和学问，有效的利用好大数据，就是发挥了大数据对高校教育的推动作用。

参考文献 :

[1]邱仁宗,黄雯,翟晓梅.大数据技术的伦理问题[J].科学与社会,2014(01).

[2]王成红,陈伟能,张军,宋苏,鲁仁全.大数据技术与应用中的挑战性科学问题[J].中国科学基金,2014(02).

[3]祝智庭,管珏琪.教育变革中的技术力量[J].中国电化教育,2014(01).

大数据意义

现在的社会是一个高速发展的社会，科技发达，信息流通，人们之间的交流越来越密切，生活也越来越方便，大数据就是这个高科技时代的产物。[10]阿里巴巴创办人马云来台演讲中就提到，未来的时代将不是IT时代，而是DT的时代，DT就是Data Technology数据科技，显示大数据对于阿里巴巴集团来说举足轻重。[11]

有人把数据比喻为蕴藏能量的煤矿。煤炭按照性质有焦煤、无烟煤、肥煤、贫煤等分类，而露天煤矿、深山煤矿的挖掘成本又不一样。与此类似，大数据并不在“大”，而在于“有用”。价值含量、挖掘成本比数量更为重要。对于很多行业而言，如何利用这些大规模数据是赢得竞争的关键。[12]

大数据的价值体现在以下几个方面：

（1）对大量消费者提供产品或服务的企业可以利用大数据进行精准营销；

（2）做小而美模式的中小微企业可以利用大数据做服务转型；

（3）面临互联网压力之下必须转型的传统企业需要与时俱进充分利用大数据的价值。

不过，“大数据”在经济发展中的巨大意义并不代表其能取代一切对于社会问题的理性思考，科学发展的逻辑不能被湮没在海量数据中。著名经济学家路德维希·冯·米塞斯曾提醒过：“就今日言，有很多人忙碌于资料之无益累积，以致对问题之说明与解决，丧失了其对特殊的经济意义的了解。”这确实是需要警惕的。

在这个快速发展的智能硬件时代，困扰应用开发者的一个重要问题就是如何在功率、覆盖范围、传输速率和成本之间找到那个微妙的平衡点。企业组织利用相关数据和分析可以帮助它们降低成本、提高效率、开发新产品、做出更明智的业务决策等等。例如，通过结合大数据和高性能的分析，下面这些对企业有益的情况都可能会发生：

（1）及时解析故障、问题和缺陷的根源，每年可能为企业节省数十亿美元。

（2）为成千上万的快递车辆规划实时交通路线，躲避拥堵。

（3）分析所有SKU，以利润最大化为目标来定价和清理库存。

（4）根据客户的购买习惯，为其推送他可能感兴趣的优惠信息。

（5）从大量客户中快速识别出金牌客户。

（6）使用点击流分析和数据挖掘来规避欺诈行为。