摘要：准确界定法律规范的概念，是进行逻辑结构分析的前提。根据语义分析哲学对概念的功能论理解，法律规范作为一个被建构起来的概念，应当强调它是能够相对独立地发挥法律调整功能的最小单元。由于法律规范的“最小单元”性质未能引起足够的重视，以往诸种法律规范的逻辑结构理论各有利弊得失，却存在一个共同的缺陷：把“法律规范间的逻辑结构”（或“规范性法律文件的逻辑结构”）误为“法律规范的逻辑结构”。这一误区导致法律规范逻辑结构理论的解释力和应用性受到影响，不仅难以解释刑事法律规范的结构，而且很少在部门法中被实际运用。法律规范的逻辑结构应当采用新的“三要素说”：法律事实＋规范模态词＋法律效果。关键词：法律规范；逻辑结构法律规范的逻辑结构理论是法学规范理论中的一个亮点，法律或法学的科学性在很大程度上就体现在这一类具有较强“技术性”的理论上。这就更要求此类理论本身具有经得住推敲的“科学性”，进而具有较强的应用性。以这样的要求反观现有的法律规范的逻辑结构理论，我们会发现存在许多的混乱和不明之处。对此做出深入研究和必要的澄清，对于法理学与部门法学良性互动，提升法理学的科学性品质，具有基础意义。事实上，这一理论恰恰在热衷于“宏大叙事”的学术氛围中被长久忽略。由于法学理论中此类具有较高“技术含量”的内容并不多见，对它的忽视而导致的错误就更加损害法学的科学性品质和形象。我想，法学需要“宏大叙事”，也需要“雕虫小技”。本文将首先致力于分析“法律规范”概念的准确界定，然后总结归纳现行（含以往）法律规范逻辑结构理论并对其利弊得失给予简要的分析评判，最后在上述两项工作的基础上，提出本文对法律规范逻辑结构的新理解。一、“法律规范”的准确界定法律规范[①]的界定，是法律规范的逻辑结构理论的前提。没有对法律规范概念的清晰界定，所谓的逻辑结构分析就没有明确的对象。对象不明确，则无法进行有效的学术讨论，因而也就不可能得出确切的和有益的结论。但是复杂之处在于，对法律规范的界定实际上是以对其功能、作用的思考及其与相近概念（比如“法律规定”“法条”“规整”等）的关系的思考为基础和前提的，正如凯尔森所说：“我们对自己智力工作中想当作工具的那些术语，可以随意界定。唯一的问题是它们是否将符合我们打算达到的理论目的。”[1]（P5）因此，作为一个重要的法学术语，法律规范的科学含义的确定，在某种意义上也是一种“反思的平衡”的结果（借用罗尔斯的术语）。这一过程可能较为复杂，其引发的思考带来如下启示：法律规范作为一个基本的法律概念，是根据需要“建构”起来的，所谓需要，在这里就是我们确立一个概念的目的，即是让它发挥何种功能或作用。这与我们一般把概念当作“给定的”通常处理方式不同。这里需要克服的一个认识上的误区，即突破对概念的实体论的理解，而代之以“功能论”。对概念的实体论理解实质是一种“反映论”的思维方式，这种思维方式有它的用武之地，但显然不适于法律规范这类概念的界定。概念的本质问题是贯穿哲学史古今的一大课题，它的一个突出表现便是中世纪唯实论与唯名论的争执，简单地说，唯实论认为，共相（概念）是独立于具体、个别事物的实体性存在，“在人类思想的世界与外部现实的世界之间存在着一种严格的对应。”[2]（P32）唯名论则认为，“概念只是一种名称，亦即称谓。这些称谓在客观自然界并没有直接的、忠实的复本和对应物”。[1]（P32）对概念的实体论理解实际是唯实论思想的体现，这一思想传统构成了西方哲学史上的主线，由古希腊的柏拉图至德国古典哲学的集大成者黑格尔而登峰造极。按照这派的观点，概念是本原、实体，有固定的所指和确定的含义。而概念的功能论则与唯名论的根本主张一致，认为概念并不是抽象的实体，它的确切含义只有在使用中、在具体的语境中才能确定。可见，概念的功能论理解比实体论理解更为灵活。随着20世纪哲学的“语言转向”，分析哲学、实证主义以“拒斥形而上学”为旗帜实现了对传统哲学的一次反叛。现代西方分析哲学、语言哲学的研究和洞见为深刻理解“概念”的本质提供了令人耳目一新的视野。维特根斯坦曾明言：“一个词的意义就是它在语言中的使用。”[3]（P31）这一思想在新分析法学的倡导者哈特那里得到重视，他在分析了“通常的定义模式并不适合于法律的领域”后，阐发了源自边沁的思想：“我们一定不能把这些词拆开了、孤立地去看，而应把它们放回到它们的扮演独特角色的句子中去，从而进行一个整体的衡量。”[4]（P29）这一思想可以说是19世纪中叶实证主义兴起、特别是20世纪分析哲学成为西方哲学的主导特征以后，得到普遍认同的思想。“法律术语的意义是以这些术语被使用的语境、使用这些术语的人、以及运用这些术语的目的来确定的。”[②]在研究法律概念时，不要问某概念的本质是什么？而应问这个概念的功能是什么？[5]概念功能论的思想是深刻而富有启发的。根据这一思想，概念既是灵活的又是清晰的。“灵活”是说概念可由人意欲它发挥怎样的功能来确定，而概念的功能取决于学科建构的要求、需求、目的。“清晰”是说概念的含义一经由此确定，就应当一以贯之地加以使用。在此意义上，法律规范是一个“建构性”的概念，而不应当简单地理解为一个“反映论”的概念。在我看来，“建构”这一概念的核心目的，在于使“法律规范”承担起法律分析的基本单元的作用，正如“商品”是马克思主义政治经济学的基本概念一样，“法律规范”至少对分析实证主义法学承担着这种功能。而分析法学在概念或规范分析上的卓有成效的建树及由此体现出的方法论上的优势，对整个法学理论具有基础和前提性意义，“错也要错得清楚”实在是走向可能的正确的必经之途。以概念的功能论为基础，我们才有可能对法律规范概念进行一番建构。据此，本文把法律规范定义为：作为法律的基本要素，具有严密逻辑结构的、能够发挥法律的规整[③]功能的相对独立的最小单元（这是就形式方面给法律规范下的定义，就内容方面，法律规范无疑是以权利性、义务性或责任性法条为具体构成）。根据这一界定，法律规范的概念包括如下要点：第一，法律规范是法律要素之一，与通常所说的法律原则、法律概念共同构成完整的法律要素。第二，法律规范在实定法中占有最大比重，是构成法律的主要成分，这一点可从绝大多数法律都以权利或义务性的规定为主要内容得到证明，而“是否授予权利或设定义务是检验一个法条是不是法律规范的标准。”[6]第三，法律规范具有严密的逻辑结构，这正是本文要论述的内容。第四，法律规范是能相对独立地发挥法律的规整功能的最小单元。对此作如下说明：（1）法律的根本目的或作用在于发挥对社会生活的规范、调整作用，因而法律规范作为法律的主要构成要素当仁不让地承担这一功能；（2）任何法律规范都是在一个法律体系中存在的，都必须在与整个法律体系及其所蕴含的立法目的等价值因素协调一致的基础上，才能发挥其调整作用，在这个意义上没有绝对独立地发挥规整功能的“单元”，因而是“相对独立”；（3）之所以是“最小单元”，是基于理论上确立一个概念的目的就是用这一概念能够较为方便地建构或有效地解释整个的知识或文本体系，因此研究者必然寻求各种意义上的“最小单元”，正如生物学把“细胞”、马克思把“商品”作为其相关研究的“最小单位”一样。在这个意义上，笔者不赞同龙卫球教授对“法规范”概念的理解和用法，他把“法规范”等同于“法律”；没有使用“法律规范”的概念，而以“法律规定”即拉伦茨的“规整”代替之。[7]（P37）我国法理学家对法律规范已有不少研究成果。张文显教授认为，法律规范作为构成法律的主要要素是规定法律上的权利、义务、责任的准则、标准[8]（P91），或是赋予某种事实状态以法律意义的指示、规定。[9]（P53）孙笑侠教授把法律规范定义为：通过法律条文表达的、由条件假设和后果归结两项要素构成的具有严密逻辑结构的行为规则。[10]（P50）刘星教授将法律规范表述为：法律规则是规定法律上的权利、义务、职责的准则，或者赋予某种事实状态以法律意义的指示。[11]（P75）这是目前国内有代表性的几部法理学教材对法律规范的界定，它们的共同点是：第一，都强调法律规范是关于法律上的权利、义务、责任的规定；第二，都强调法律规范有严密的逻辑结构，尽管具体表述不尽相同。但是这些定义都忽视了对法律规范是“能够相对独立地发挥法律调整功能的最小单元”这一重要之点的强调，正是这种忽视造成了法律规范逻辑结构理论的普遍误差。我们认为法律规范概念从功能要求上说，应当是构成法律的细胞，“相对独立”、“最小单元”应是其题中应有之意。二、现行法律规范逻辑结构理论的分析法律规范的逻辑结构理论的核心，是对各种具体的法律规范的构成进行抽象、分析、分解，进而得出所有法律规范共有的、抽象的“构成要素”，因此，这是一种通过抽象分析的方法得出的适用于所有法律规范的“逻辑构成要素”及其关系（即结构）的理论。以下本文对我国法学理论中关于法律规范的逻辑结构的代表性观点作简要述评。观点1：法律规则（规范）=假定+处理+制裁这一观点来源于前苏联法学著作。它认为法律规范是由三部分组成的：假定、处理和制裁。按通常解释，假定是规定一定行为准则适用的条件的那一部分；处理是法律规范中反映行为规范本身的那一部分，也就是法律规范中规定允许、禁止或要求人们行为的那一部分。制裁是规定强制实施法律规范的可能性或违反这一规范所招致的法律后果的那一部分。评析：这一理论曾是前苏联和我国的法学理论中的通行观点，尽管现在已为“通说”所摒弃，但是在抛弃此说的理由即对其缺陷的指证上，本文与学界已有的分析不尽相同，阐述如下：第一，正如这一理论自己解释的那样，“处理”本身就是行为规范。我国著名法理学家沈宗灵教授明确指出：“处理就是行为规则本身，也就是法律规范中指出的允许做什么，禁止做什么或者要求做什么哪一部分。这是法律规范的最基础部分。”[12]（P33）既然“处理”本身即行为规则，那么它怎么又同时是自身的构成要素呢？要素总是相对于系统或一定的结构而言的，但如果一个系统只有一个要素（即其自身），显然就不能成其为系统，原因在于并未对系统进行“分析”，所谓的“要素”其实是换了一个称呼的“系统”。法律规范的构成要素作为法律规范下位概念，至少需有两个才能成立。因此上述对“处理”含义的解释固然正确，但说“处理”是“法律规范的最基础部分”是不确切的。准确地说，它是法律（规范性法律文件）的最基础部分。第二，如果不对“处理”进行特别定义，“处理”和“制裁”在语义上和实际上都可能重叠：所谓“制裁”不过是一种特殊的“处理”，即违背了法定义务而导致法律责任时的一种“处理”。第三，并非所有的法律规范都有相应的“制裁”性规定（尽管这一点常常被指为法律规定空白或欠缺），更非所有的法律规范都是“制裁”性的。第四，在这一理论中，“假定”似乎只是法律规范的附属部分，甚至是在法律规范之外独立存在的部分，这意味着“假设”在法律规范的逻辑结构中没有适当的位置。观点2：法律规则（规范）=假定+处理这是西方学者的观点。假定指出了规范适用的条件，处理则是一个规范性规定。以“不满10周岁的未成年人无行为能力”这一法律规范为例，其“假定”部分是：如果一个人是不满10周岁的未成年人，其“处理”部分是：此人无法律能力。评析：这一理论模型是对观点1的局部修正，克服了简单的逻辑缺陷，即取消了“制裁”。在法律规范的逻辑结构中“制裁”并非一个必备要素，大量的法律规范没有“制裁”的内容。正如王涌博士指出的：“所谓法律规范就是一个完整的独立的规范性陈述，它只包含假定与处理两个部分，制裁并不是一个独立的法律规范的必要因素。而其中‘假定’就是对事实情境的设定，而‘处理’就是对特定的事实情境中的法律关系的规定。”[5]但是这一法律规范的逻辑结构理论同样是把“处理”理解成规范本身，观点1的缺陷仍有残存。观点3：法律规则（规范）=行为模式（权利、义务的规定）+法律后果的归结这是以张文显教授为代表的我国法理学界目前通行的观点。张文显教授分析了前述观点的缺陷，择其要点如下：第一，西方学者的两分法明显地忽略了合于或违反法律规范的后果这一不可缺少的构成因素。第二，苏联学者的三分法只注意到否定式法律后果，而忽视了肯定式法律后果。肯定式法律后果是合法行为的后果，否定式法律后果是违法行为的后果。第三，“假定”不是构成法律规范逻辑结构的独立要素。因为如果“假定”指规定该规范适用的条件和情况的那一部分，它就不是法律规范的内在构成因素；如果“假定”是指法律规范中规定权利之行使条件和方式或义务之履行的条件和限度，那它已包含在权利和义务的规定中。权利和义务的规定与其适用的条件、方式、限度是不可分开的。人为地将它们分割开，有关权利和义务的规定就成为不可思议的东西。例如，《中华人民共和国经济合同法》第五条：“订立经济合同，必须贯彻平等互利、协商一致、等价有偿的原则。”如果把“订立经济合同”(所谓的“假定”)与后半句分开，后半句的规定就是莫明其妙的东西。鉴于此，张文显教授提出，任何法律规范都是由如下两部分构成的：(一)权利和义务的规定。 (二)法律后果的归结。法律后果分为否定式法律后果和肯定式法律后果两种。否定式法律后果是国家对违反该法律规范的行为所抱的不赞许态度，对这一违法行为的否定和责罚。主要的责罚形式有民事制裁、行政制裁和刑事制裁。肯定式法律后果是国家对于合于该法律规范的行为所抱的赞许态度，对合法行为的肯定和保护，具体形式包括对一定状态的确认(如认定合同、婚姻有效)，对一定行为的奖励(如对发明创造的肯定和奖赏，批准专利申请等)，对不法侵害的恢复(如支持当事人的执行申请等)。［6］评析：张文显教授所代表的目前法理学界的主流观点认识到西方的二要素说和前苏联的三要素说有缺陷，特别是提出肯定性的法律后果，在理论上具有重要贡献，但在指证缺陷的具体所在上可能有欠精准，论证如下：第一，依据两要素说没有“制裁”而断定这一理论模式欠缺“法律后果”，失之简单，有欠公允。如前文所述，“处理”本身无论在一般语义上还是在法学理论中都可以包含“制裁”这一“法律后果”。造成这种认识上差别的原因在于“处理”、“法律后果”等概念的确切含义有待澄清。我认为这两个概念用词不同，却有同等的意义。“法律后果”的概念，既如张文显教授所深刻认识到的那样不仅包括否定性的法律后果，也包括肯定性的法律后果，那么“肯定性的法律后果”的进一步分析表明，它并不限于或主要不是“奖励性”的、如同法律责任那样单独列出的一种法律规范。张文显教授指出，对合法行为的确认、肯定、保护本身就是一种“法律后果”，也就是一种“处理”。比如，《合同法》第77条“当事人协商一致，可以变更合同。”其中“处理”和“法律后果”完全是不可分的。再如《公司法》第214条“利用公司名义从事危害国家安全、社会公共利益的严重违法行为的，吊销营业执照。”其中的“吊销营业执照”既是“处理”，又是“法律后果”。对具体法律规范的分析表明，“处理”与“法律后果”（或“法律效果）是一个东西。第二，张文显教授深刻指出“肯定性法律后果”的存在，补充了以往对法律后果的片面认识，这一理论贡献意义重大，它通过法律规范的逻辑构成表明：法律不仅是制裁性、惩罚性的，现代法律更是权利性的。但不得不承认，由于提出这一理论模型的背景和旨趣在于通过与否定性的法律后果（即通常易见的“法律责任”“法律制裁”）的比较而构造全面、准确的“法律后果”概念，由于它关注和侧重的是上述宏观层面的问题，在“肯定性法律后果”的存在形态上，这一理论并未作具体的探讨。人们对此也很少作进一步的追问，通常就把“肯定性的法律后果”简单地理解为与惩罚性法律后果相对应的“奖励性法律后果”，照此理解，笔者发现包含所谓“肯定性的法律后果”的法律规范寥寥无几。[④]这与以权利为本位的现代法律的特征相当不吻合。症结何在？把肯定性法律后果理解为“奖励性”法律后果的误导所致。在进一步的思考中，笔者发现“肯定性法律后果”的存在不应作如此狭隘的理解，它的存在形态之多样和广泛，远超过“否定性的法律后果”。因为，所有权利性规范都可以看作是具有肯定性后果的法律规范。此外，我们还应看到“肯定性”与“否定性”作为一种价值判断有较为复杂的意义：（1）“肯定”和“否定”是相对而言的，并非泾渭分明的两种类型，一个救济性法条（比如在一个侵权案件中作“恢复原状”的处理）既是对侵权人的“否定”，同时是对受害人权利的“肯定”。“肯定”和“否定”完全取决于对何种主体而言。（2）现有理论对“肯定”和“否定”的理解仅限于对当事人来说代表利益还是负担（或惩罚），但作为一般的法学理论，更应当从立法目的的高度理解“肯定”和“否定”的实质，无论是对正当利益的肯定还是对不义之举的否定，都是对代表着人民利益的立法者意志的“肯定”。第三，把“假定”融入“权利义务性规定”而不把它作为单独的法律规范构成要素，论证清晰有力，结论正确。但笔者注意到，在张文显教授2001年再版的《法哲学范畴研究》一书中（前述主张见于1999年版的《法理学》教材），又把这一结论改了回去，即法律规范的逻辑结构“包括假定（行为发生的时间、各种条件等实施状态的预设）、行为模式（权利和义务规定）和‘法律后果’（含否定式后果和肯定式后果）三部分。”[13]（P49）这一情况说明关于法律规范逻辑结构的分析还需进一步阐明。同时，这一法律规范逻辑结构的观点表述给我们提供了另一个重要信息：权利和义务的规定与“行为模式”是在同一意义上使用的，具有相同的含义，这一点且容后面分析。第四，把“权利义务性规定”（行为模式）作为法律规范的逻辑结构的要素之一，与“法律后果”一起构成完整的法律规范逻辑结构，这一观点存在逻辑上的问题。既然法律规范是能够发挥法律的规整功能的最小单元，并且法律是通过“权利或义务性规定”发挥这种功能的，但是如前所述，权利或义务性规定本身就意味着某种法律后果，因为权利义务性规定本身已经是完整的法律规范，而不应当是它的一个要素！因此再加上“法律后果”就成为多余。这即是说，假如把“法律后果”与“权利义务性规定”放在一起作为法律规范的要素，是画蛇添足；假如只剩“权利义务性”规定作为“要素”，是同语反复，理由如前：只有一个要素就不成其为要素。第五，“行为模式+法律后果”的法律规范逻辑结构模式，难以解释刑法规范，尤其刑法分则以刑罚为内容的责任性规范。比如，“有配偶而重婚的，或者明知他人有配偶而与之结婚的，处二年以下有期徒刑或者拘役。”（《刑法》第二百五十八条）在这一类刑法规范中没有“行为模式”，即没有关于权利义务的规范，只有对某种事实状态赋予一定的法律后果。固然我们可以依据法律责任是第二性义务的理论[⑤]，把责任性规范还原为义务性规范，以此间接地解释法律规范逻辑结构也适用于刑法规范，但对此类刑法规范毕竟难以直接应用现有理论给出便捷的解释，更重要的，依据本文对法律规范的界定，把一个责任性规范还原为一个义务性或权利性规范，这前后已经是彼此独立的两个规范，应当分别进行逻辑结构的分析。因此本文认为以“还原法”来解释刑法规范的逻辑结构不能成立。刑法是一大重要法律部门，如果法律规范的逻辑结构理论不能涵盖、解释主要的刑法规范，显然其理论说服力将大打折扣。总之，目前法理学界的通说一方面把先前的“两要素说”收回到“处理”中的“制裁”，经过修改完善（补充了“肯定性后果”）以“法律后果”之名重新释放出来；另一方面把“假定”从先前的“两要素说”、“三要素说”中收回来，融入一个新的概念：行为模式（权利义务性规定），形式有所变换，但以往法律规范逻辑结构的根本缺陷仍未被凸现和纠正。这一缺陷使法律规范逻辑结构理论仅仅存活于法理学的范围内，稍微深入到部门法的规范分析，就捉襟见肘。以较为得到公认的通说为例，我们在部门法的诸多规范中，可以直观到“权利性规范”、“义务性规范”（“权力性规范”、“职责、职权性规范”可以通过还原法归结到权利或义务性规范）、“责任性规范”，但是，除了在“责任性规范”中我们能看到符合我们想象的“法律后果”，在权利性、义务性规范中“法律后果”在哪呢？我们说这些规定本身就是对权利、义务的确认、肯定，也就是所谓的“法律后果”。这与人们通常所理解的“法律后果”确实有出入。以《公司法》第138条“股东持有的股份可以依法转让”为例，这一权利性规定本身已经是一种“法律后果”，并不需要在这一规定之后再加上一个单独的“法律后果”，比如“股东依法转让股份，受法律保护”等。更为要紧的是，即使现实迫切需要一个与之相关的责任性规定，比如“设置障碍限制股东股份依法转让的，应到受到处罚”，并且在制定法中列入了这样一条规定，但这已经是另一个法律规范了，尽管它与前者有关联——这种关联应当被视为是法律规范之间的关联（或结构），而不是法律规范“内部”的“结构”。这里必须明确的是，讨论法律规范的逻辑结构只能在“一个”规范的限定下来谈，而不能将其混同为法律规范之间的逻辑结构。如果把这种从反面规定违法责任的规范，与原规范联系起来讨论其“逻辑结构”，那就进入了另外一个研究领域：法律规范之间的逻辑关系或逻辑结构，实际上是法律文本的逻辑结构，甚至是跨文本的法律的逻辑结构。前述把“制裁”“法律后果”作为法律规范的结构要素的诸说，共同性的失当在于混淆了“法律规范的逻辑结构”与“法律规范间的逻辑结构”的区别。对此，我们以一个简化的法律规范的模型加以说明：“如果A，则B”、“如果非A，则C”，按本文的界定，这里已经呈现了两个法律规范，而不能因为二者的关联性就把二者视为一个法律规范。把“法律后果”作为要素，恰恰是把A当作“假定”，把B当作“处理”，把C当作“制裁”（法律后果）了。举例来说：公司法第172条规定：公司除法定的会计账簿外，不得另立会计账簿。对公司资产，不得以任何个人名义开立账户存储。第202条规定：公司违反本法规定，在法定的会计账簿以外另立会计账簿的，由县级以上人民政府财政部门责令改正，处以五万元以上五十万元以下的罚款。这两个法条是各自独立的两个法律规范，应当分别进行逻辑结构分析。而现行的法律规范逻辑结构理论把前条（172条）当作了“行为模式”，把后条（202条）当作“法律后果”。造成这种误差的根源在于忽略了法律规范的相对独立的“最小单元”的性质，而错误地把两个有关联的法律规范当成了一个法律规范。本文认为，不宜按这种理解进行法律规范的逻辑结构分析。原因在于：第一，如果按此种理解，则我们对法律规范的逻辑结构的分析可以无限制地扩展下去，进入法律规范间关系的分析领域，而有关联关系的法律规范不仅存在于同一个规范性法律文件中，还可能存在于多个不同的规范性法律文件中，以及此种分析完全可能是“跨文本”的。第二，并非所有关于权利义务性的规定都有相应的责任性规定，在此情形下，按照通行的法律规范逻辑结构理论会得出结论：相当多的“法律规范”由于缺少“法律后果”，因而不是真正意义上的法律规范，这与法律规范是占主要成分的法律要素的事实不符，是不妥当的。其实把没有责任性规定视为法律的缺陷是法律“命令说”的观点，“奥斯丁认为，不完善的法律，例如没有制裁规定的法律，是有缺陷的，是不具有命令特点的法律。”[14]（P15）“命令说”对法律的理解不仅为自然法传统所不能接受，也为奥斯丁之后的法律实证主义所批判，足见强调责任性规范为法律逻辑结构的必需组成部分的观点有片面性。
法律是全体国民意志的体现，国家每制定一项法律规定或者进一步完善法律体系，是代表着一个国家的繁荣和进一步稳定社会有效秩序的统治工具。国家制定每一项法律不可能针对某一种事项而颁布。比如说，立法机构和国家政府机构，为中国烟草事业的稳定发展（请参考烟草法律当中的立法宗旨），专门制定出于烟草相关的法律、法规（共分为行政法规和地方性法规）以及规章等，带有管理和约束性的一种规范性文件，来有效性的维持国内烟草市场的稳定与发展，防止出现任何不利于国家利益事项发生。提问者如真想要把烟草的法律和我们行政职能部门宣传给社会，并得到认可的话，不妨从以下方面着手思考一下：1、首先要抓好队伍建设，提高执法人员的综合素质；2、适用《消费者权益保护法》第十九条第三款、第二十条、《未成年保护法》第三十七条和第六十七条等等，法律规定来约束和制止经营者，防止出现经营者以欺诈或哄抬物价等方式，危害消费者的根本利益；3、制定宣传单等方式，向社会传递非法生产烟草制品的危害性，以及告知等方式宣传维权方式方法；4、放低行政许可的门槛，严厉打击无证经营和非法转让行政许可等事项的发生；5、结合辖区内存在的普遍问题，会同其他行政主管部门一同严厉打击，利用公共网络平台进行非法经营，走私、贩私，非法邮寄，非法托运、自运烟草专卖品等等违法或犯罪行为。6、利用传媒的力量，及时将有效信息传递到社会上去。
在公共生活中，法律规范对人们的公共生活的作用主要有： （一）指引作用 法律的指引作用是指法律所具有的、能够为人们提供一种既定的行为模式，从而引导人们在法律范围内活动的作用。指引作用是法律最首要的作用。法律的首要目的并不在于制裁违法行为，而是在于引导人们正确的行为，合法地参与社会生活。 （二）预测作用 法律的预测作用是指法律通过其规定，告知人们某种行为所具有的、为法律所肯定或否定的性质以及它所导致的法律后果，使人们可以预先估计到自己行为的后果，以及他人行为的趋向与后果。 （三）评价作用 法律的评价作用是指法律所具有的、能够评价人们行为的法律意义的作用。法律评价的标准是合法与不合法。行为评价标准有法律、道德、纪律等，它们是可以同时适用的。但应该注意的是，既不能用法律评价取代道德评价、纪律评价，也不能用道德评价、纪律评价代替法律评价。 （四）强制作用 法律的强制作用是指法律能运用国家强制力制裁违法和犯罪，保障自己得以实施的作用。法律的强制作用是法的其他作用的保障。没有强制作用，法律的指引作用就会降低，预测作用就会被怀疑，评价作用就会在很大程度上失去意义，教育作用的效力也会受到严重影响。 （五）教育作用 法律的教育作用是指法律所具有的、通过其规定和实施而影响人们思想，培养和提高人们法律意识，引导人们依法行为的作用。
我给你发个摘要吧随着4G时代的到来，电信市场的竞争越来越激烈，客户资源成为电信企业竞争的焦点。而客户消费行为规律是客户知识的重要组成部分，因此基于消费行为认知的客户细分就成为电信企业客户关系管理的重头戏。利用数据挖掘算法针对某一具体的客户消费数据集进行分析，挖掘出有趣的信息，并根据这些有趣的结论进一步调整企业的营销策略。本文针对当前电信企业在4G客户细分方面的不足，结合电信企业客户的特征通过关联分析来实现对电信企业现有客户的细分，帮助电信企业实现电信客户的合理分类，从而对电信企业的营销策略提出指导性意见。通过对某一运营商的4G客户数据库进行分析，采用Apriori算法发现客户消费行为和消费特点之间有趣的关联规则，并根据这些信息进一步分析，为营销决策者提供一种新的思考问题的视角。本文的研究思路是对样本数据进行预处理后，将样本数据划分为换4G卡、换4G套餐、换4G终端三大客户群体，再分别计算出月均arpu值、月均mou值、月均dou值，最后利用Clementine软件对三大客户群体的这三个值进行基于MDLP原则的熵分组，得到细分的特征客户群。然后对这些客户群再做进一步的研究，利用Apriori 算法产生频繁项集，依据频繁项集产生简单关联规则，挖掘出客户消费行为和细分变量品牌、arpu值、mou值和dou值之间的关联关系，总结出相应的规律，帮助电信企业找到特定消费群体的消费习惯，以此为基础，对所识别出来的消费群体进行有针对性的营销。
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):234-235.208
[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.
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
4.1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。
4.2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):234-235.208
[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.
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
4.1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。
4.2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.
选择格瑞德挖掘机厂家实习，如果您有能力，要针对要点，重点了解，去描写
随着建筑行业的发展,施工过程中的机械化程度越来越高,对工程机械设备的各项性能指标诸如安全性、经济性等也提出了更高的要求。下面是我为大家整理的关于机械毕业论文，供大家参考。
一、工程机械管理中存在的问题
1.1维护管理制度不健全，各项规章制度执行不严
由于受到传统的重机械、轻管理、轻维修思想的影响，在我国有许多工程施工企业到目前为止都没有建立一套系统的、科学的、完整的、严格的工程机械设备管理制度与体系，所以，直到现在我国的机械设备管理体系还比较落后且不健全。
1.2机械设备管理机构的弱化
据调查研究显示，在我国目前的大部分工程企业中，对工程机械管理不够重视，即出现弱化的现象，其中就包括管理制度不健全，管理人员素质较低，没有专业性的技术管理人员，等。现在，大多施工单位所用的机械设备都是采取自己购买或者是租赁的方式，但是这方面的大量投入也成为了施工企业的严重负担，因此会出现许多机械设备老化的问题，制约着机械设备的发展和企业的进步。还有就是当施工企业的任务比较多时，企业所拥有的机械设备一般很难满足工程的需要，而在企业施工任务较少甚至没有施工任务的时候，机械设备又会全部闲置下来，造成了资源的大量浪费。
1.3专业管理人员缺乏，机械管理意识淡薄
工程施工过程具有战线长、参与的人员与设备调动频繁等特点。许多施工企业的领导对机械设备管理的意识比较淡薄，为了减少管理部门的人员编制，降低人力资源成本，往往随意压缩机械管理人员的数量，或让其他施工管理人员兼任机械管理员。长期以来，造成了专业的机械管理人员数量严重不足，而兼职的管理人员素质又达不到要求，使得机械管理工作出现空白，造成工作互相推诿、设备无人管理的局面。而专职机械管理人员的缺失直接导致了机械管理制度的不健全，相当一部分施工企业不具备完整的机械使用管理制度，机械采购、入库、使用及维护和报废等制度措施无据可依，造成了管理工作的混乱。甚至，有的施工企业对自己下属的机械设备数量和类型都不清楚，设备管理是一本糊涂账，根本无从谈起机械设备的管理意识。
1.4工程机械的维修设施不全面，维修人员的知识、技术水平比较落后
许多施工企业由于领导不重视机械的维修和保养，并没有建立完善的机械维修车间，检验的技术水平又不高，导致难以及时发现并控制先进的、复杂的机械设备中存在的故障隐患。有些企业会经常聘用一些短期技术人员，他们的培训时间短，技术能力低，而且在培训的过程中只注重机械的操作，不注重机械保养。盲目地使用造成机械的负荷加重，导致施工机械加速老化。
二、工程机械管理的有关建议
2.1建立健全的工程机械管理制度
对于施工企业，为确保施工的机械设备处于受控状态和做好工程机械的管理工作，一方面要建立一个相对健全的管理机构，成立设备管理领导小组，有机械设备的管理部门和专职管理人员来对工程机械进行全方面的管理。另一方面，需要建立一个健全的工程机械档案，并建立一个详细的工程机械技术资料，而且要定期地组织检查，机械技术的档案要由专人保管。
2.2建立机械操作岗位责任制
为了保证施工机械的正常使用及维护，施工项目部应设置机械管理专职部门，该部门包括机械管理与调度员、操作人员、维修及保养人员、仓储人员等。建立机械管理责任制是在施工的规章制度中明确每一个工作人员根据其岗位的不同而应担负的责任与义务，也就是说，不但要求工作人员要做什么，还要要求该怎样做。每个人都对自己的工作岗位负主要责任，实现机械管理责任化、制度化。
三、利用先进技术对机械设备进行管理
随着科技的发展，各个行业都使用了计算机技术，这是社会发展的需要，而利用计算机技术进行机械设备管理也变得尤为必要，比如:可以依据市场上的租赁需求，在网上建立相关的管理系统，并在这个系统下设置一些明细进行管理，一方面可以有效降低成本，另一方面能够提高管理水平，使建筑企业获得最大的经济收入。
绪论
随着国家对基础设施投入的不断加大，对相关行业的拉动作用效果显著，工程机械的代理商也迎来了快速发展的契机，伴随着企业规模的快速扩张，企业经营管理的风险也逐渐加大。本文以此为背景，对工程机械代理商在经营管理中遇到的主要风险进行了分析，及其应采取的防控措施进行了探讨。随着国家对基础设施投入的不断加大，对相关行业的拉动作用效果显著，工程机械的代理商也迎来了快速发展的契机。为了抢抓市场机遇，提高产品的市场占有率，完成生产厂家的销售目标，代理商不断的招兵买马，购置设备、车辆提高服务质量，满足客户的需求。伴随着企业规模的快速扩张，企业经营管理的风险也逐渐加大。所谓的风险指事件发生的可能性及其结果的组合，是由于未来无法完全预期所形成的不确定性状态。从企业经营角度而言，企业风险，指的是未来的不确定性对企业实现其经营目标的影响。企业风险一般可分为战略风险、市场风险、运营风险、财务风险、法律风险、道德风险等，企业风险按来自企业外部环境还是自企业自身的，又可分为内部风险和外部风险等。下面主要针对工程机械代理商在经营管理中遇到的主要风险进行分析及其防控措施谈一下。工程机械代理商主要将面临四大风险：应收款风险;品牌代理权风险;用人风险;股权结构风险。
一、应收款风险
目前工程机械的主要销售方式有分期收款销售、融资租赁销售、银行按揭销售等信用销售方式，信用销售不仅极大的刺激了产品销量的提升，同时也因为回款周期长、不确定因素多而给生产厂家和代理商带来很大的市场风险，是导致企业现金流不畅或经营亏损的重要原因。应收款风险产生的原因有以下几个方面。一是代理商为了在市场上竞争取胜或迫于制造商提高产品市场占有率的要求，采取多种的手段进行促销，甚至个别代理商为完成目标，零首付做订单，首付分期付款等，加大了应收款项的呆死帐的产生，当大量应收款不能及时回收时，代理商的流动资金贷款未又能及时到位时，就无力按时偿还制造商的余款，这时制造商往往会按代理协议条款进行经济惩罚，如扣除返利、罚款等，甚至将代理商告上法庭。二是几乎所有的工程机械银行按揭业务，代理商都承担最后的连带担保责任，代理商为此付出的代价远远超出了其所获得的利润。大量的应收款，首先导致代理商本身非常脆弱的资金链可能出现断裂，成为代理商目前最大的风险隐患。其次导致的坏账风险，远大于一般经营成本和费用导致的亏损风险。为了防范与控制应收款风险产生，应设立债权部门，债权部门的职责不仅仅是控制应收账款的规模，盯住回款。更重要的是风险的防范、控制、利用。
(1)防范风险。风险的防范主要是指事前防范，也就是债权部在产品真正售出到达客户手中之前应该采取的措施进而达到风险防范的目的。主要包括两个环节，一是债权部在销售部与客户签定销售合同之前对客户信用进行考察，剔除那些存在高风险因素的客户;二是债权部在销售部向客户交付产品之前对客户首付款进行审核，阻止销售部向那些没有按照合同规定支付首付款的客户交付产品，避免在合同执行初期就形成拖欠款。
(2)控制风险。控制风险主要指在销售合同履行过程中对客户还款进行有效的管理，尽量避免拖欠行为。在控制过程中，主要内容是计划回款和督促回款，对应收账款进行逐笔评估，把所有应收款分为三类，并进行分类管理：一是对到期未付款但还款较为容易的客户应由业务主管去催收;二是对还款存在一定难度的客户应由管理层去催收;三是对久拖不还或恶意拖欠的客户，应根据实际情况通过法律程序进行解决。
(3)风险转移。风险转移是指通过合同或非合同方式将风险转嫁给第三人。
首先，通常的风险转移做法是要求购买人、承租人提供有担保能力人的担保、租赁物抵押(需要上牌照的机动车)、其它合法财产抵押、给标的物上保险等。
其次，银行进行按揭贷款时，制造商要承担一定的回购风险。中国光大银行是一家在全国范围内开展工程机械按揭贷款的银行，通过办理其所开设的“全程通”业务，使制造商、代理商、银行三家形成了一个闭环，共同承担风险。通过这样的手段，就使得应收款风险的一部分就转嫁给了制造商。
再次，银行和保险公司也应承担一部分风险。银行和保险公司从中也得到了一定的好处，因此，也应承担一部分风险。
然后，客户也应承担一部分风险。当客户不还款时，就变成了有道德过失的客户。例如，千里马公司在湖北成立了代理商联席会议，代理商每月在联席会议上都会将自己的不良客户向大众公布，这样那些信誉不良的客户在任何一家代理商处都买不到设备。目前，我国的信用体系还不健全，代理商自己应结合自身实际，建立一套完善的信用体系，让客户承担一部分道德风险和未来发展风险。
最后，员工根据自己的实际工作，承担一部分风险，将风险与员工的利益直接挂钩。例如，如果一个员工应收款收回50%，就可以发放50%的销售奖，应收款收回80%，就发放80%的销售奖金，以此类推。员工发放的奖金额度应与应收款成正比，这样才能调动员工的积极性。此外，每月每笔回款对销售经理或债权经理都有一定的奖励，不回款就没有奖励。代理商可以根据这个内容，设计一套科学合理的应收款风险管理构架，进而达到有效的减少或规避风险的目的。
(4)风险减轻。代理商可以通过提高首付款比例来减轻风险，要求支付较高的履约保证金数额，进而缩短货款、租金支付期限，减轻代理商的风险。
二、品牌代理权风险
代理商的企业性质决定了对制造商有很大的依赖性，实力强、资金雄厚的制造商(品牌公司)要求代理商设立单独的公司、团队进行品牌专营，严禁经营同类商品，并在代理协议中已经明确规定。而且协议中还会明确规定，如代理商在规定的年限内没有完成制造商下达的销售目标或市场占有率，会被撤销省级或地区的代理权，代理商在开始的1-3年内为保住代理权，会千方百计的完成任务，而同时对制造商往往非公正的销售政策，也无力进行争辩!给企业的经营带来了一定的损失，既所说的强势制造商。
制造商授予代理权后意味着代理商只能依靠单一品牌产品获取利润。如果一个代理商所代理的是产品一个系列较多、产品型号丰富、产品价格跨度大的比较有强势的品牌，这在一定程度上就等于垄断经营，代理商的利润肯定会很高。如果一个代理商所代理的品牌并不像如前所说的，可能就会经常性地看着销售机会从眼前溜走，影响企业的发展壮大。品牌专营之所以存在较大风险的主要原因就在于单一品牌的产品很难满足现阶段中国工程机械市场需求的复杂性，往往只能一枝独秀，而不能全面开花。专营模式能否给代理商带来足够的利润是衡量其风险大小的最好尺度。
防范品牌代理权风险的措施有：一是设立多个公司，代理多个品牌，代理该品牌最畅销的产品，而舍弃那些不好销的产品。二是代理与专营品牌没有直接冲突的品牌，抓住更多用户的同时，也增加了自身的利润。三是代理商自己要有品牌意识，建设自己的品牌。像沃尔玛、麦德龙等世界零售业巨头一样，建有自己的品牌，实力壮大以后没有哪家制造商敢于抛弃他们。代理商的价值，就在于能提供增值服务。只有销售网络，没有销售能力和债权管理能力，缺少品牌美誉度的代理商，迟早会被淘汰。因此，代理商要规避品牌合作的风险，也必须提升自己的品牌形象。
三、人员风险
近年来，随着工程机械代理商销售网络规模的不断扩张，人员招聘问题进而产生，随之产生的“人员风险”问题。不少代理商都发现，培养人的过程往往是一个培养竞争对手的过程，因为在竞争激烈的市场环境中，任何一个有能力的销售经理都是其他整机厂或代理商猎获的目标。如果一个代理商在人员的内部管理和外部市场管理方面相对比较松弛，可能会导致一个销售经理“跳槽”，这样很有可能导致代理商丢失一片市场，进而在市场竞争中失败，这在实际案例中经常发中生。
为防范人员风险，应采取以下防控措施。首先，实行股权激励机制，制定股权激励制度，如规定公司中层管理人员在公司工作一定年限后，给予一定的股份，以提高他们的积极性，增强主人翁的责任感，稳定公司的发展。其次，建设优秀的企业文化。企业文化体现为人本管理理论的最高层次，重视人的因素，强调精神文化的力量，用一种无形的文化力量形成一种行为准则、价值观念和道德规范，来凝聚企业员工的归属感、积极性和创造性、开拓创新的能力和团队协作精神，使他们感觉到也在为自己的事业、前途来打拼，实现其人生的价值。再次，采取一定的约束机制，譬如新进员工要签订一份《道德担保书》，培训时要签订《服务合同》等。如果员工有道德过失，如虚报费用、拿走货款等，那么不但要给予公司一定的赔偿金，而且公司也要在地方工程机械行业管理网站上披露，使其不能在这个行业重新就业。
如某知名品牌的省级代理商在2008年还面临着被取消代理权的风险，到2012年初营销及参与管理的区域已经达到四个省，在该品牌的代理商的排名已经进入前三名，他们成功的主要经验之一就是实施股权激励政策，规定公司中层管理人员在公司工作一定年限后，给予一定的股份，以提高他们的积极性，增强主人翁的责任感，稳定公司的发展，就如该公司总经理的所说：成功的模式可以复制，在牢牢地占据本省工程市场份额前三名后，在制造商的支持下，通过收购和参股的方式下，兼并原有的代理商和参与原有代理商的经营，扩大了营销区域已经达到四个省，每一个新公司管理层都是从本公司和子公司的优秀人员选出，并按公司的政策给与他们股份，大大增强了主人翁的责任感，每个人都是公司的主人，公司的活力日益显现，市场占有率节节攀升，得到了制造商的充分的肯定。
四、股权结构风险
伴随着企业规模的快速扩张，原有的股权结构蕴含的风险也日益显现。主要表现为以下几种形式。一是家族式股权结构，这种股权结构过于单一，企业员工的发展通常受到限制，没有上升的空间，不利于调动大家的积极性，企业发展到一定程度基本上停滞不前，失去发展的动力。二是非家族性质的有限责任公司，可能存在股权结构过于分散，大家的积极性虽然调动起来了，但却往往不好控制，同样出现风险。如遇到国家的产业政策调整，导致代理商利润下降或亏损，原先经营中一些正常的行为可能不再适应，由于受股东们所受的教育程度、人生价值、理想追求等不同，会导致经营理念上产生分歧，股权的分裂，董事长和总经理被弹劾免职的事件的发生，给公司的经营带来震荡，甚至会带来致命的伤害。如某知名品牌的省级代理商，因股东之间经营理念的不同，导致矛盾激化，经制造商的多次调解,也无法和解,已经严重影响到公司的经营及品牌挖掘机的市场占有率,制造商被迫取消了其代理资格,最终公司落得破产解散的命运。
工程机械论文题目
机械工程是一门涉及利用物理定律为机械系统作分析、设计、制造及维修的工程学科。机械工程是以有关的自然科学和技术科学为理论基础，结合生产实践中的技术经验，研究和解决在开发、设计、制造、安装、运用和维修各种机械中的全部理论和实际问题的应用学科。以下是机械工程硕士论文题目供大家参考。
工程机械论文题目大全
1、车载液压机械臂动态设计与研究
2、基于网络模型的复杂机电系统可靠性评估
3、螺纹联接自动装配系统的研究
4、轴承压装仿真与试验以及液力变矩器导轮的热装配变形分析研究
5、硫系自润滑钢中原位自生金属硫化物自润滑相的形成机制与控制方法
6、基于电动气旋流的吸附器的开发和特性研究
7、动圈式比例电磁铁关键技术研究
8、箱式风机管道法兰的柔性制造系统
9、六自由度运动平台优化设计及动态仿真研究
10、面向恶劣服役环境的工件抗缺陷结构优化设计方法及其应用
11、基于数字液压缸组的多浮力摆波能装置压力平衡研究
12、具有运动控制功能的电液比例阀控制器研究
13、微型轴承内圆磨削加工的质量监控系统研究
14、抗负载波动回转控制阀优化设计研究
15、气浮式无摩擦气缸静动态特性研究
16、模拟风力机载荷的电液加载装置的设计研究
17、用于扩散吸收式热变换器的气泡泵性能实验研究
18、脂肪醇聚氧乙烯醚与三乙醇胺硼酸酯水溶液的摩擦学性能研究
19、表面织构化固体润滑膜设计与制备技术研究
20、双压力角非对称齿轮承载能力的影响因素研究及参数优化
21、全电液式多路阀自动测试系统设计与实现
22、开关液压源系统研究分析及其试验系统的设计与搭建
23、飞轮储能系统电机与轴系设计
24、面向不完全数据的疲劳可靠性分析方法研究
25、树木移植机液压系统的设计研究
26、新型双输出摆线减速器的设计与分析
27、基于ARM9架构的工业喷码机研究与实现
28、超高压水射流破拆机器人液压系统设计与研究
29、考虑轴承影响的摆线针轮传动动力学研究
30、车辆传动装置供油系统设计方法研究
31、润滑油复合纳米粒子添加剂摩擦学性能的研究
32、高速气缸的缓冲结构研究
33、大长径比柔性对象自动送料关键技术研究
34、空间索杆铰接式伸展臂根部锁紧机构运动功能可靠性研究
35、基于能量梯度理论的离心压缩机固定元件性能改进研究
36、并联RCM机构构型综合及典型机构运动学分析
37、多自由度气动人工肌肉机械手指结构设计及控制
38、闸板位置对闸阀内部气固两相流及磨损的影响
39、电液伺服阀试验台测控系统的设计
40、多盘制动器加压装置典型结构设计及试验研究
41、重型多级离心泵穿杠螺母拧紧装置的设计
42、气动增压阀动态特性的仿真研究
43、小间隙下狭缝节流止推轴承特性研究
44、离心通风机的性能预测与叶片设计研究
45、基于有限元法的齿面修形设计
46、离心泵输送大颗粒时固液两相流场的数值计算
47、小流量工况下离心泵内部流动特性分析
48、双粗糙齿面接触时的弹流润滑数值分析
49、工程专用自卸车车架疲劳寿命分析
50、倾斜式带式输送机断带抓捕装置的研究
51、基于骨架模型的自卸车装配设计平台研究
52、双馈式风力发电机齿轮箱的'动态特性分析
53、定常扭矩激励下转子系统动力学与摩擦学研究
54、恒流量轴向柱塞液压泵的研究
55、下运带式输送机能量回馈与安全制动技术的研究
56、压力容器筒体自动组对及检测装置的研究
57、高压容腔卸压曲线及卸压阀研究
58、一种小冲击高性能液压缸双向制动阀的研究
59、盘式制动器摩擦副热结构耦合及模态分析
60、输送带摩擦学行为及动力学特性研究
61、圆环链与驱动链轮磨损试验研究
62、十字轴式万向联轴器的动力学特性仿真分析
63、乳化液过滤器多次通过试验系统开发
64、电液流量匹配装载机转向系统特性研究
65、大位移低电压的静电斥力微驱动器的设计与仿真研究
66、圆柱斜齿轮传动误差的补偿分析
67、基于物理规划法的柔顺机构多目标拓扑优化研究
68、桥式起重机桥架结构静动态分析及多目标优化
69、柱塞泵及管路流固耦合振动特性研究
70、非对称柱塞泵直驱挖掘机液压缸系统特性研究
71、波箔动压气体轴承承载特性的理论与实验研究
72、低温氦透平膨胀机中液体动静压轴承的承载特性研究
73、滚珠轴承支承高速电主轴热特性分析
74、基于许用压力角要求的共轭凸轮计算机辅助设计系统开发
75、圆筒涨圆机液压与电气控制系统的研究
76、再制造液压缸性能检测技术的研究
77、气动高压高速开关阀的设计与研究
78、四轮四向叉车非对称转向机构双目标优化研究
79、基于桁架结构的3D打印轻量化模型生成研究
80、无转速计阶比分析方法研究
81、非圆齿轮行星轮系传动性能分析
82、永磁同步电主轴机电耦联动力特性研究
83、气动柔性驱动器的位置控制研究
84、高速旋转接头试验台的研制
85、永磁同步电主轴电磁噪声影响因素研究
86、水泵转子静挠度检测系统的构建与实现
87、磁悬浮飞轮储能支承系统的控制策略研究
88、聚磁式永磁涡流耦合器的性能分析和测试
89、起重机用永磁同步电机的设计与研究
90、大型往复式迷宫压缩机气缸体关键部件受力分析
91、准双曲面锥齿轮实体建模与齿面接触分析
92、风机风量调节伺服缸试验系统设计及控制特性研究
93、大型往复式压缩机迷宫密封效果的影响因素分析
94、水泵轴向力测量装置现场静态标定系统设计
95、空压机用超超高效永磁同步电动机设计及铁耗研究
96、主动磁悬浮轴承及其控制方法研究
97、水泵转子径向跳动检测系统设计
98、板状超声物料输送装置的研究
99、钢制组合式路基箱力学性能研究
100、三种典型微细结构缺陷的试验研究
101、向心关节轴承摩擦磨损性能仿真及试验分析
102、离心压缩系统反转动力学特性研究与分析
103、计入弹性变形的复合材料水润滑轴承润滑特性的研究
104、气缸壁面温度预测研究
105、高速曳引界面的摩擦滑移实验方法研究
106、特征优化方法研究及其在轴承故障诊断中的应用
107、小型机械零件拣货系统改良设计研究
108、活塞式压缩机排气量测试系统的设计与开发
109、小型安全阀便携离线校验设备研制
110、轴流风机数值模拟的若干问题探讨
111、催化装置富气压缩机控制系统的设计与实现
112、变频电机拖动的变量柱塞泵液压动力系统特性研究
113、模具形线参数对厚壁封头成形的影响
114、条形砧旋转锻造封头的工艺研究
115、磁悬浮轴承-转子系统的运动稳定性与控制研究
116、两级行星齿轮减速器稳健设计方法的研究
117、机械产品原理方案优化建模与实现
118、错位码垛规划及其与码垛机器人控制融合的研究
119、3D打印技术中分层与路径规划算法的研究及实现
120、液压同步顶升系统设计及控制策略研究
121、机构可动性设计缺陷辨识模型与修复方法研究
122、码垛机器人控制系统的设计及实现
123、浮环轴承润滑特性研究
124、机械产品可持续改进研究设计
125、轮腿式轮椅传动机构的设计与仿真
126、低速叉车横置式转向电动轮设计与优化研究
127、面向机电系统运行状态监测的声源定位技术研究
128、摆线活齿传动齿形研究及仿真
129、旋转阀口试验台的研发及旋转阀口的仿真研究
130、水压阀口特性仿真研究
131、旋转式水压伺服阀的设计及研究
132、串联式混联机构的力学分析及动力学仿真
133、利用阳极键合封装MEMS器件所用离子导电聚合物开发
134、工业生产型立体仓库的设计与优化
135、九轴全地面起重机模糊PID电液控制转向系统分析
136、带式输送机多滚筒驱动功率平衡影响因素的分析与研究
137、折臂式随车起重机回转系统同步控制研究
138、九轴全地面起重机传动系统研究
139、桥式起重机安全监控与性能评估系统的研究与设计
140、大型磨机故障诊断方法的研究
141、水液压多功能试验台数据测控系统的研发
142、迷宫密封泄漏特性及新结构研究
143、组合型振荡浮子波能发电装置液压系统研究
144、机电一体化实训装置在中职教学中的应用研究
145、穿孔扭转微机械谐振器件的挤压膜阻尼机理与模型
146、双螺杆式空压机转子型线分析与加工优化
147、铸造起重机安全制动温度场热耦合及机构振动分析
148、渐变箍紧力作用的起重机卷筒结构分析与优化设计
149、汽车起重机动力、起升系统参数优化及节能分析
150、贝叶斯网络系统可靠性分析及故障诊断方法研究
151、圆锥破碎机止推盘磨损寿命预测及结构优化
152、喷油器火花塞护套成形工艺优化及模具分析
153、碟形砂轮磨削面齿轮加工技术及齿面误差生成规律研究
154、铝合金喷射沉积坯形状及组织控制
155、基于FACT理论的柔顺机构设计及其在振动切削方面的应用
156、高精度FA针摆传动尺寸链分析研究
157、水平带法兰阀体多向模锻工艺研究
158、并联机构的人机交互式装配实现及运动性能自动分析
159、铝合金薄壁件加工变形控制技术研究
160、三柱塞式连续型液压增压器的特性研究
161、液压泵新型补油装置研究
162、压力阀的新型阻尼调压装置研究
163、多轴电液转向系统优化设计
164、大型框架式液压机智能监控与维护系统设计
165、液压缸综合性能测试试验台机械结构及液控部分的设计与开发
166、考虑实际气体效应低速运转螺旋槽干气密封性能研究
167、液压型落地式风力发电机组主传动系统特性与稳速控制研究
168、装载机动臂液压缸可靠性研究
169、舰船稳定平台液压驱动单元控制及实验研究
170、单作用双泵双速马达专用换向阀设计与研究
171、二通插装式比例节流阀自抗扰控制方法研究
172、旋转机械状态趋势预测及故障诊断专家系统关键技术研究
173、阶梯滑动轴承油膜流态可视化试验装置设计与应用
174、大型平行轴斜齿轮减速器可靠性分析
175、曲沟球轴承的设计与试制
176、汇率波动对重庆市机电产品进出口贸易影响传导机制及对策研究
177、流体动压型机械密封开启过程的声发射特征监测研究
178、桥门式起重机蒙皮式主梁结构性能分析
179、螺纹插装比例流量控制阀的振动特性研究
180、农耕文化符号的转换和再利用
181、石墨烯作为润滑油添加剂在青铜织构表面的摩擦学行为研究
182、微粒子喷丸对螺纹紧固件抗松动性能影响研究
183、螺纹插装平衡阀结构和特性研究
184、机械密封端面接触状态监测技术研究
【拓展阅读】
工程机械基本介绍
工程机械是中国装备工业的重要组成部分。概括地说，凡土石方施工工程、路面建设与养护、流动式起重装卸作业和各种建筑工程所需的综合性机械化施工工程所必需的机械装备，称为工程机械。它主要用于交通运输建设，能源工业建设和生产、矿山等原材料工业建设和生产、农林水利建设、工业与民用建筑、城市建设、环境保护等领域。
在世界各国，对这个行业的称谓基本雷同，其中美国和英国称为建筑机械与设备，德国称为建筑机械与装置，俄罗斯称为建筑与筑路机械，日本称为建设机械。在中国部分产品也称为建设机械，而在机械系统根据国务院组建该行业批文时统称为工程机械，一直延续到现在。各国对该行业划定产品范围大致相同，中国工程机械与其他各国比较还增加了铁路线路工程机械、叉车与工业搬运车辆、装修机械、电梯、风动工具等行业。
工程机械论文框架
1 绪论
1-1 全球工程机械市场概况
1-2 中国工程机械市场概况
2 中国工程机械的格局
2-1 中国工程机械的发展历程
2-2 国内外并购整合概况
2-3 中国工程机械的发展成就
3 中国工程机械现状分析
3-1 中国工程机械的发展优势
3-2 中国工程机械发展的劣势
3-3 中国工程机械发展的机遇
3-4 中国工程机械发展面临的问题
4 中国工程机械未来发展的思考
4-1 发展思路
4-2 对策措施
4-3 发展预测
结束语
致谢
参考文献
一 绪论1.1 液压传动与控制概述液压传动与控制是以液体（油、高水基液压油、合成液体）作为介质来实现各种机械量的输出（力、位移或速度等）的。它与单纯的机械传动、电气传动和气压传动相比，具有传递功率大，结构小、响应快等特点，因而被广泛的应用于各种机械设备及精密的自动控制系统。液压传动技术是一门新的学科技术，它的发展历史虽然较短，但是发展的速度却非常之快。自从1795年制成了第一台压力机起，液压技术进入了工程领域；1906年开始应用于国防战备武器。第二次世界大战期间，由于军事工业迫切需要反应快、精度高的自动控制系统，因而出现了液压伺服控制系统。从60年代起，由于原子能、空间技术、大型船舰及电子技术的发展，不断地对液压技术提出新的要求，从民用到国防，由一般的传动到精确度很高的控制系统，这种技术得到更加广泛的发展和应用。在国防工业中：海、陆、空各种战备武器均采用液压传动与控制。如飞机、坦克、舰艇、雷达、火炮、导弹及火箭等。在民用工业中：有机床工业、冶金工业、工程机械、农业方面，汽车工业、轻纺工业、船舶工业。另外，近几年又出现了太阳跟踪系统、海浪模拟装置、飞机驾驶模拟、船舶驾驶模拟器、地震再现、火箭助飞发射装置、宇航环境模拟、高层建筑防震系统及紧急刹车装置等，均采用了液压技术。总之，一切工程领域，凡是有机械设备的场合，均可采用液压技术。它的发展如此之快，应用如此之广，其原因就是液压技术有着优异的特点，归纳起来液压动力传动方式具有显著的优点：其单位重量的输出功率和单位尺寸输出功率大；液压传动装置体积小、结构紧凑、布局灵活，易实现无级调速，调速范围宽，便于与电气控制相配合实现自动化；易实现过载保护与保压，安全可靠；元件易于实现系列化、标准化、通用化；液压易与微机控制等新技术相结合，构成“机-电-液-光”一体化便于实现数字化。1.2 液压机的发展及工艺特点液压机是制品成型生产中应用最广的设备之一，自19世纪问世以来发展很快，液压机在工作中的广泛适应性，使其在国民经济各部门获得了广泛的应用。由于液压机的液压系统和整机结构方面，已经比较成熟，目前国内外液压机的发展不仅体现在控制系统方面，也主要表现在高速化、高效化、低能耗；机电液一体化，以充分合理利用机械和电子的先进技术促进整个液压系统的完善；自动化、智能化，实现对系统的自动诊断和调整，具有故障预处理功能；液压元件集成化、标准化，以有效防止泄露和污染等四个方面。作为液压机两大组成部分的主机和液压系统，由于技术发展趋于成熟，国内外机型无较大差距，主要差别在于加工工艺和安装方面。良好的工艺使机器在过滤、冷却及防止冲击和振动方面，有较明显改善。在油路结构设计方面，国内外液压机都趋向于集成化、封闭式设计，插装阀、叠加阀和复合化元件及系统在液压系统中得到较广泛的应用。特别是集成块可以进行专业化的生产，其质量好、性能可靠而且设计的周期也比较短。近年来在集成块基础上发展起来的新型液压元件组成的回路也有其独特的优点，它不需要另外的连接件其结构更为紧凑，体积也相对更小，重量也更轻无需管件连接，从而消除了因油管、接头引起的泄漏、振动和噪声。逻辑插装阀具有体积小、重量轻、密封性能好、功率损失小、动作速度快、易于集成的特点，从70年代初期开始出现，至今已得到了很快的发展。我国从1970年开始对这种阀进行研究和生产，并已将其广泛的应用于冶金、锻压等设备上，显示了很大的优越性。液压机工艺用途广泛，适用于弯曲、翻边、拉伸、成型和冷挤压等冲压工艺，压力机是一种用静压来加工产品。适用于金属粉末制品的压制成型工艺和非金属材料，如塑料、玻璃钢、绝缘材料和磨料制品的压制成型工艺，也可适用于校正和压装等工艺。由于需要进行多种工艺，液压机具有如下的特点：（1） 工作台较大，滑块行程较长，以满足多种工艺的要求；（2） 有顶出装置，以便于顶出工件；（3） 液压机具有点动、手动和半自动等工作方式，操作方便；（4） 液压机具有保压、延时和自动回程的功能，并能进行定压成型和定程成型的操作，特别适合于金属粉末和非金属粉末的压制；（5） 液压机的工作压力、压制速度和行程范围可随意调节，灵活性大。二 150t液压机液压系统工况分析本机器(见图1.1)适用于可塑性材料的压制工艺。如冲压、弯曲、翻边、薄板拉伸等。也可以从事校正、压装、砂轮成型、冷挤金属零件成型、塑料制品及粉末制品的压制成型。本机器具有独立的动力机构和电气系统。采用按钮集中控制，可实现调整、手动及半自动三种操作方式。本机器的工作压力、压制速度、空载快速下行和减速的行程范围均可根据工艺需要进行调整，并能完成一般压制工艺。此工艺又分定压、定程两种工艺动作供选择。定压成型之工艺动作在压制后具有保压、延时、自动回程、延时自动退回等动作。 本机器主机呈长方形，外形新颖美观，动力系统采用液压系统，结构简单、紧凑、动作灵敏可靠。该机并设有脚踏开关，可实现半自动工艺动作的循环。2.2 工况分析本次设计在毕业实习调查的基础上，用类比的方法初步确定了立式安装的主液压缸活塞杆带动滑块及动横梁在立柱上滑动下行时，运动部件的质量为500Kg。1．工作负载 工件的压制抗力即为工作负载：2. 摩擦负载 静摩擦阻力：动摩擦阻力：3. 惯性负载自重：4. 液压缸在各工作阶段的负载值：其中： ——液压缸的机械效率，一般取 =0.9-0.97。工况 负载组成 推力 F/2.3负载图和速度图的绘制：负载图按上面的数值绘制，速度图按给定条件绘制，如图：三 液压机液压系统原理图设计3．1 自动补油的保压回路设计考虑到设计要求，保压时间要达到5s，压力稳定性好。若采用液压单向阀回路保压时间长，压力稳定性高，设计中利用换向阀中位机能保压，设计了自动补油回路，且保压时间由电气元件时间继电器控制，在0-20min内可调整。此回路完全适合于保压性能较高的高压系统，如液压机等。自动补油的保压回路系统图的工作原理：按下起动按纽，电磁铁1YA通电，换向阀6接入回路时，液压缸上腔成为压力腔，在压力到达预定上限值时压力继电器11发出信号，使换向阀切换成中位；这时液压泵卸荷，液压缸由换向阀M型中位机能保压。当液压缸上腔压力下降到预定下限值时，压力继电器又发出信号，使换向阀右位接人回路，这时液压泵给液压缸上腔补油，使其压力回升。回程时电磁阀2YA通电，换向阀左位接人回路，活塞快速向上退回。3．2 释压回路设计：释压回路的功用在于使高压大容量液压缸中储存的能量缓缓的释放，以免她突然释放时产生很大的液压冲击。一般液压缸直径大于25mm、压力高于7Mpa时，其油腔在排油前就先须释压。根据设计很实际的生产需要，选择用节流阀的释压回路。其工作原理：按下起动按钮，换向阀6的右位接通，液压泵输出的油经过换向阀6的右位流到液压缸的上腔。同时液压油的压力影响压力继电器。当压力达到一定压力时，压力继电器发出信号，使换向阀5回到中位，电磁换向阀10接通。液压缸上腔的高压油在换向阀5处于中位（液压泵卸荷）时通过节流阀9、换向阀10回到油箱，释压快慢由节流阀调节。当此腔压力降至压力继电器的调定压力时，换向阀6切换至左位，液控单向阀7打开，使液压缸上腔的油通过该阀排到液压缸顶部的副油箱13中去。使用这种释压回路无法在释压前保压，释压前有保压要求时的换向阀也可用M型，并且配有其它的元件。机器在工作的时候，如果出现机器被以外的杂物或工件卡死，这是泵工作的时候，输出的压力油随着工作的时间而增大，而无法使液压油到达液压缸中，为了保护液压泵及液压元件的安全，在泵出油处加一个直动式溢流阀1，起安全阀的作用，当泵的压力达到溢流阀的导通压力时，溢流阀打开，液压油流回油箱。起到保护作用。在液压系统中，一般都用溢流阀接在液压泵附近，同时也可以增加液压系统的稳定性。使零件的加工精度增高。3．3液压机液压系统原理图拟定上液压缸工作循环（1） 快速下行。按下起动按钮，电磁铁1YA通电，这时的油路为：液压缸上腔的供油的油路变量泵1—换向阀6右位—节流阀8—压力继电器11—液压缸15液压缸下腔的回油路液压缸下腔15—液控单向阀7—换向阀6右位—电磁阀5—背压阀4—油箱油路分析：变量泵1的液压油经过换向阀6的右位，液压油分两条油路：一条油路通过节流阀7流经继电器11，另一条路直接流向液压缸的上腔和压力表。使液压缸的上腔加压。液压缸15下腔通过液控单向阀7经过换向阀6的右位流经背压阀，再流到油箱。因为这是背压阀产生的背压使接副油箱旁边的液控单向阀7打开，使副油箱13的液压油经过副油箱旁边的液控单向阀14给液压缸15上腔补油。使液压缸快速下行，另外背压阀接在系统回油路上，造成一定的回油阻力，以改善执行元件的运动平稳性。（2） 保压时的油路情况：油路分析：当上腔快速下降到一定的时候，压力继电器11发出信号，使换向阀6的电磁铁1YA断电，换向阀回到中位，利用变量泵的柱塞孔从吸油状态过渡到排油状态，其容积的变化是由大变小，而在由增大到缩小的变化过程中，必有容积变化率为零的一瞬间，这就是柱塞孔运动到自身的中心线与死点所在的面重合的这一瞬间，这时柱塞孔的进出油口在配油盘上所在的位置，称为死点位置。柱塞在这个位置时，既不吸油，也不排油，而是由吸转为排的过渡状态。液压系统保压。而液压泵1在中位时，直接通过背压阀直接回到油箱。（3） 回程时的油路情况：液压缸下腔的供油的油路：变量泵1——换向阀6左位——液控单向阀7——液压油箱15的下腔液压缸上腔的回油油路：液压腔的上腔——液控单向阀14——副油箱13液压腔的上腔—节流阀8——换向阀6左位——电磁阀5——背压阀4——油箱油路分析： 当保压到一定时候，时间继电器发出信号，使换向阀6的电磁铁2YA通电，换向阀接到左位，变量泵1的液压油通过换向阀旁边的液控单向阀流到液压缸的下腔，而同时液压缸上腔的液压油通过节流阀9（电磁铁6YA接通），上腔油通过换向阀10接到油箱，实现释压，另外一部分油通过主油路的节流阀流到换向阀6，再通过电磁阀19，背压阀11流回油箱。实现释压。下液压缸的工作循环：向上顶出时，电磁铁4YA通电，5YA失电。进油路：液压泵——换向阀19左位——单向节流阀18——下液压缸下腔回油路：下液压缸上腔——换向阀19左位——油箱当活塞碰到上缸盖时，便停留在这个位置上。向下退回是在4YA失电，3YA通电时产生的，进油路：液压泵——换向阀19右位——单向节流阀17——下液压缸上腔回油路：下液压缸下腔——换向阀19右位——油箱原位停止是在电磁铁3YA，4YA都断电，换向阀19处于中位时得到的。四 液压系统的计算和元件选型4．1 确定液压缸主要参数：按液压机床类型初选液压缸的工作压力为25Mpa,根据快进和快退速度要求，采用单杆活塞液压缸。快进时采用差动连接，并通过充液补油法来实现，这种情况下液压缸无杆腔工作面积 应为有杆腔工作面积 的6倍，即活塞杆直径 与缸筒直径 满足 的关系。快进时，液压缸回油路上必须具有背压 ,防止上压板由于自重而自动下滑，根据《液压系统设计简明手册》表2-2中，可取 =1Mpa，快进时，液压缸是做差动连接，但由于油管中有压降 存在，有杆腔的压力必须大于无杆腔，估计时可取 ,快退时，回油腔是有背压的，这时 亦按2Mpa来估算。1) 计算液压缸的面积可根据下列图形来计算—— 液压缸工作腔的压力 Pa—— 液压缸回油腔的压力 Pa故：当按GB2348-80将这些直径圆整成进标准值时得： ,由此求得液压缸面积的实际有效面积为：2) 液压缸实际所需流量计算① 工作快速空程时所需流量液压缸的容积效率，取② 工作缸压制时所需流量③ 工作缸回程时所需流量4．2液压元件的选择4．2.1确定液压泵规格和驱动电机功率由前面工况分析，由最大压制力和液压主机类型，初定上液压泵的工作压力取为 ，考虑到进出油路上阀和管道的压力损失为 （含回油路上的压力损失折算到进油腔），则液压泵的最高工作压力为上述计算所得的 是系统的静态压力，考虑到系统在各种工况的过渡阶段出现的动态压力往往超过静态压力，另外考虑到一定压力贮备量，并确保泵的寿命，其正常工作压力为泵的额定压力的80%左右因此选泵的额定压力 应满足：液压泵的最大流量应为：式中 液压泵的最大流量同时动作的各执行所需流量之和的最大值，如果这时的溢流阀正进行工作，尚须加溢流阀的最小溢流量 。系统泄漏系数，一般取 ，现取 。1．选择液压泵的规格由于液压系统的工作压力高，负载压力大，功率大。大流量。所以选轴向柱塞变量泵。柱塞变量泵适用于负载大、功率大的机械设备（如龙门刨床、拉床、液压机），柱塞式变量泵有以下的特点：1） 工作压力高。因为柱塞与缸孔加工容易，尺寸精度及表面质量可以达到很高的要求，油液泄漏小，容积效率高，能达到的工作压力，一般是（ ） ，最高可以达到 。2） 流量范围较大。因为只要适当加大柱塞直径或增加柱塞数目，流量变增大。3） 改变柱塞的行程就能改变流量，容易制成各种变量型。4） 柱塞油泵主要零件均受压，使材料强度得到充分利用，寿命长，单位功率重量小。但柱塞式变量泵的结构复杂。材料及加工精度要求高，加工量大，价格昂贵。根据以上算得的 和 在查阅相关手册《机械设计手册》成大先P20-195得：现选用 ，排量63ml/r，额定压力32Mpa，额定转速1500r/min，驱动功率59.2KN，容积效率 ，重量71kg，容积效率达92%。2．与液压泵匹配的电动机的选定由前面得知，本液压系统最大功率出现在工作缸压制阶段，这时液压泵的供油压力值为26Mpa，流量为已选定泵的流量值。 液压泵的总效率。柱塞泵为 ，取 0.82。选用1000r/min的电动机，则驱动电机功率为选择电动机 ，其额定功率为18.5KW。4.2.2阀类元件及辅助元件的选择1. 对液压阀的基本要求：(1). 动作灵敏，使用可靠，工作时冲击和振动小。油液流过时压力损失小。(2). 密封性能好。结构紧凑，安装、调整、使用、维护方便，通用性大2. 根据液压系统的工作压力和通过各个阀类元件及辅助元件型号和规格主要依据是根据该阀在系统工作的最大工作压力和通过该阀的实际流量，其他还需考虑阀的动作方式，安装固定方式，压力损失数值，工作性能参数和工作寿命等条件来选择标准阀类的规格：序号 元件名称 估计通过流量型号 规格1 斜盘式柱塞泵156.8 63SCY14－1B 32Mpa，驱动功率59.2KN2 WU网式滤油器 160 WU-160*180 40通径，压力损失 0.01MPa3 直动式溢流阀 120 DBT1/315G24 10通径，32Mpa，板式联接4 背压阀 80 YF3-10B 10通径，21Mpa，板式联接5 二位二通手动电磁阀 80 22EF3-E10B6 三位四通电磁阀 100 34DO-B10H-T 10通径，压力31.5MPa7 液控单向阀80 YAF3-E610B 32通径，32MPa8 节流阀80 QFF3-E10B 10通径，16MPa9 节流阀80 QFF3-E10B 10通径，16MPa10 二位二通电磁阀30 22EF3B-E10B 6通径，压力20 MPa11 压力继电器－ DP1-63B 8通径，10.5-35 MPa12 压力表开关－ KFL8－30E 32Mpa，6测点13 油箱14 液控单向阀 YAF3-E610B 32通径，32MPa15 上液压缸16 下液压缸17 单向节流阀48 ALF3－E10B 10通径，16MPa18 单向单向阀48 ALF3－E10B 10通径，16MPa19 三位四通电磁换向阀 25 34DO-B10H-T20 减压阀 40 JF3-10B4.2.3 管道尺寸的确定油管系统中使用的油管种类很多，有钢管、铜管、尼龙管、塑料管、橡胶管等，必须按照安装位置、工作环境和工作压力来正确选用。本设计中油管采用钢管，因为本设计中所须的压力是高压，P=31.25MPa ， 钢管能承受高压，价格低廉，耐油，抗腐蚀，刚性好，但装配是不能任意弯曲，常在装拆方便处用作压力管道一中、高压用无缝管，低压用焊接管。本设计在弯曲的地方可以用管接头来实现弯曲。尼龙管用在低压系统；塑料管一般用在回油管用。胶管用做联接两个相对运动部件之间的管道。胶管分高、低压两种。高压胶管是钢丝编织体为骨架或钢丝缠绕体为骨架的胶管，可用于压力较高的油路中。低压胶管是麻丝或棉丝编织体为骨架的胶管，多用于压力较低的油路中。由于胶管制造比较困难，成本很高，因此非必要时一般不用。1. 管接头的选用：管接头是油管与油管、油管与液压件之间的可拆式联接件，它必须具有装拆方便、连接牢固、密封可靠、外形尺寸小、通流能力大、压降小、工艺性好等各种条件。管接头的种类很多，液压系统中油管与管接头的常见联接方式有：焊接式管接头、卡套式管接头、扩口式管接头、扣压式管接头、固定铰接管接头。管路旋入端用的连接螺纹采用国际标准米制锥螺纹（ZM）和普通细牙螺纹（M）。锥螺纹依靠自身的锥体旋紧和采用聚四氟乙烯等进行密封，广泛用于中、低压液压系统；细牙螺纹密封性好，常用于高压系统，但要求采用组合垫圈或O形圈进行端面密封，有时也采用紫铜垫圈。液压系统中的泄漏问题大部分都出现在它管系中的接头上，为此对管材的选用，接头形式的确定（包括接头设计、垫圈、密封、箍套、防漏涂料的选用等），管系的设计（包括弯管设计、管道支承点和支承形式的选取等）以及管道的安装（包括正确的运输、储存、清洗、组装等）都要考虑清楚，以免影响整个液压系统的使用质量。国外对管子的材质、接头形式和连接方法上的研究工作从不间断，最近出现一种用特殊的镍钛合金制造的管接头，它能使低温下受力后发生的变形在升温时消除——即把管接头放入液氮中用芯棒扩大其内径，然后取出来迅速套装在管端上，便可使它在常温下得到牢固、紧密的结合。这种“热缩”式的连接已经在航空和其它一些加工行业中得到了应用，它能保证在40~55Mpa的工作压力下不出现泄漏。本设计根据需要，选择卡套式管接头。要求采用冷拔无缝钢管。2. 管道内径计算：（1）式中 Q——通过管道内的流量v——管内允许流速 ，见表：允许流速推荐值油液流经的管道 推荐流速 m/s液压泵吸油管液压系统压油管道 3~6，压力高，管道短粘度小取大值液压系统回油管道 1.5~2.6(1). 液压泵压油管道的内径：取v=4m/s根据《机械设计手册》成大先P20-641查得：取d=20mm,钢管的外径 D=28mm;管接头联接螺纹M27×2。(2). 液压泵回油管道的内径：取v=2.4m/s根据《机械设计手册》成大先P20-641查得：取d=25mm,钢管的外径 D=34mm;管接头联接螺纹M33×2。3. 管道壁厚 的计算式中： p——管道内最高工作压力 Pad——管道内径 m——管道材料的许用应力 Pa，——管道材料的抗拉强度 Pan——安全系数，对钢管来说， 时，取n=8； 时，取n=6； 时，取n=4。根据上述的参数可以得到：我们选钢管的材料为45#钢，由此可得材料的抗拉强度 =600MPa;(1). 液压泵压油管道的壁厚(2). 液压泵回油管道的壁厚所以所选管道适用。4. 液压系统的验算上面已经计算出该液压系统中进，回油管的内径分别为32mm,42mm。但是由于系统的具体管路布置和长度尚未确定，所以压力损失无法验算。4.2.4系统温升的验算在整个工作循环中，工进阶段所占的时间最长，且发热量最大。为了简化计算，主要考虑工进时的发热量。一般情况下，工进时做功的功率损失大引起发热量较大，所以只考虑工进时的发热量，然后取其值进行分析。当V=10mm/s时，即v=600mm/min即此时泵的效率为0.9，泵的出口压力为26MP，则有即此时的功率损失为：假定系统的散热状况一般，取 ，油箱的散热面积A为系统的温升为根据《机械设计手册》成大先P20-767：油箱中温度一般推荐30-50所以验算表明系统的温升在许可范围内。五 液压缸的结构设计5.1 液压缸主要尺寸的确定1) 液压缸壁厚和外经的计算液压缸的壁厚由液压缸的强度条件来计算。液压缸的壁厚一般指缸筒结构中最薄处的厚度。从材料力学可知，承受内压力的圆筒，其内应力分布规律应壁厚的不同而各异。一般计算时可分为薄壁圆筒和厚壁圆筒。液压缸的内径D与其壁厚 的比值 的圆筒称为薄壁圆筒。工程机械的液压缸，一般用无缝钢管材料，大多属于薄壁圆筒结构，其壁厚按薄壁圆筒公式计算设 计 计 算 过 程式中 ——液压缸壁厚(m)；D——液压缸内径(m)；——试验压力，一般取最大工作压力的(1.25~1.5)倍 ；——缸筒材料的许用应力。无缝钢管： 。= =22.9则 在中低压液压系统中，按上式计算所得液压缸的壁厚往往很小，使缸体的刚度往往很不够，如在切削过程中的变形、安装变形等引起液压缸工作过程卡死或漏油。因此一般不作计算，按经验选取，必要时按上式进行校核。液压缸壁厚算出后，即可求出缸体的外经 为2) 液压缸工作行程的确定液压缸工作行程长度，可根据执行机构实际工作的最大行程来确定，并参阅<<液压系统设计简明手册>>P12表2-6中的系列尺寸来选取标准值。液压缸工作行程选缸盖厚度的确定一般液压缸多为平底缸盖，其有效厚度t按强度要求可用下面两式进行近似计算。无孔时有孔时式中 t——缸盖有效厚度(m)；——缸盖止口内径(m)；——缸盖孔的直径(m)。液压缸：无孔时取 t=65mm有孔时取 t’=50mm3)最小导向长度的确定当活塞杆全部外伸时，从活塞支承面中点到缸盖滑动支承面中点的距离H称为最小导向长度（如下图2所示）。如果导向长度过小，将使液压缸的初始挠度（间隙引起的挠度）增大，影响液压缸的稳定性，因此设计时必须保证有一定的最小导向长度。对一般的液压缸，最小导向长度H应满足以下要求：设 计 计 算 过 程式中 L——液压缸的最大行程；D——液压缸的内径。活塞的宽度B一般取B=(0.6~10)D；缸盖滑动支承面的长度 ，根据液压缸内径D而定；当D<80mm时，取 ；当D>80mm时，取 。为保证最小导向长度H，若过分增大 和B都是不适宜的，必要时可在缸盖与活塞之间增加一隔套K来增加H的值。隔套的长度C由需要的最小导向长度H决定，即滑台液压缸：最小导向长度：取 H=200mm活塞宽度：B=0.6D=192mm缸盖滑动支承面长度：隔套长度： 所以无隔套。液压缸缸体内部长度应等于活塞的行程与活塞的宽度之和。缸体外形长度还要考虑到两端端盖的厚度。一般液压缸缸体长度不应大于内径的20~30倍。液压缸：缸体内部长度当液压缸支承长度LB (10-15)d时，需考虑活塞杆弯度稳定性并进行计算。本设计不需进行稳定性验算。5.2 液压缸的结构设计液压缸主要尺寸确定以后，就进行各部分的结构设计。主要包括：缸体与缸盖的连接结构、活塞与活塞杆的连接结构、活塞杆导向部分结构、密封装置、排气装置及液压缸的安装连接结构等。由于工作条件不同，结构形式也各不相同。设计时根据具体情况进行选择。设 计 计 算 过 程1) 缸体与缸盖的连接形式缸体与缸盖的连接形式与工作压力、缸体材料以及工作条件有关。本次设计中采用外半环连接，如下图1所示：图1 缸体与缸盖外半环连接方式优点：(1) 结构较简单(2) 加工装配方便缺点：(1) 外型尺寸大(2) 缸筒开槽，削弱了强度，需增加缸筒壁厚2)活塞杆与活塞的连接结构参阅<<液压系统设计简明手册>>P15表2-8，采用组合式结构中的螺纹连接。如下图2所示：图2 活塞杆与活塞螺纹连接方式特点：结构简单，在振动的工作条件下容易松动，必须用锁紧装置。应用较多，如组合机床与工程机械上的液压缸。
数据挖掘概念综述数据挖掘又称从数据库中发现知识（KDD）、数据分析、数据融合（Data Fusion）以及决策支持。KDD一词首次出现在1989年8月举行的第11届国际联合人工智能学术会议上。随后在1991年、1993年和1994年都举行KDD 专题讨论会，汇集来自各个领域的研究人员和应用开发者，集中讨论数据统计、海量数据分析算 法、知识表示、知识运用等问题。随着参与人员的不断增多，KDD国际会议发展成为年会。1998 年在美国纽约举行的第四届知识发现与数据 挖掘国际学术会议不仅进行了学术讨论，并且有30多家软件公司展示了他们的数据挖掘软件产品，不少软件已在北美、欧洲等国得到应用。 一、什么是数据挖掘 1.1、数据挖掘的历史 近十几年来，人们利用信息技术生产和搜集数据的能力大幅度提高，千万万个数据库被用于商业管理、政府办公、科学研究和工程开发等等，这一势头仍将持续发展下去。于是，一个新的挑战被提了出来：在这被称之为信息爆炸的时代，信息过量几乎成为人人需要面对的问题。如何才能不被信息的汪洋大海所淹没，从中及时发现有用的知识，提高信息利用率呢？要想使数据真正成为一个公司的资源，只有充分利用它为公司自身的业务决策和战略发展服务才行，否则大量的数据可能成为包袱，甚至成为垃圾。因此，面对”人们被数据淹没，人们却饥饿于知识”的挑战。另一方面计算机技术的另一领域——人工智能自1956年诞生之后取得了重大进展。经历了博弈时期、自然语言理解、知识工程等阶段，目前的研究 热点是机器学习。机器学习是用计算机模拟人类学习的一门科学，比较成熟的算法有神经网络、遗传算法等。用数据库管理系统来存储数据，用机器学习的方法来分析数据，挖掘大量数据背后的知识，这两者的结合促成了数据库中的知识发现（KDD：Knowledge Discovery in Databases）的产生，因此，数据挖掘和知识发现（DMKD）技术应运而生，并得以蓬勃发展，越来越显示出其强大的生命力。 数据挖掘又称从数据库中发现知识（KDD）、数据分析、数据融合（Data Fusion）以及决策支持。KDD一词首次出现在1989年8月举行的第11届国际联合人工智能学术会议上。随后在1991年、1993年和1994年都举行KDD 专题讨论会，汇集来自各个领域的研究人员和应用开发者，集中讨论数据统计、海量数据分析算 法、知识表示、知识运用等问题。随着参与人员的不断增多，KDD国际会议发展成为年会。1998 年在美国纽约举行的第四届知识发现与数据 挖掘国际学术会议不仅进行了学术讨论，并且有30多家软件公司展示了他们的数据挖掘软件产品，不少软件已在北美、欧洲等国得到应用。 2.2数据挖掘的概念 从1989年到现在，KDD的定义随着人们研究的不断深入也在不断完善，目前比较公认的定义是Fayyad 等给出的：KDD是从数据集中识别出有效的、新颖的、潜在有用的以及最终可理解模式的高级处理过程。从定义可以看出，数据挖掘（DataMining）就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。人们把原始数据看作是形成知识的源泉，就像从矿石中采矿一样。原始数据可以是结构化的，如关系数据库中的数据，也可以是半结构化的，如文本、图形、图像数据，甚至是分布在网络上的异构型数据。发现知识的方法可以是数学的，也可以是非数学的；可以是演绎的，也可以是归纳的。发现了的知识可以被用于信息管理、查询优化、决策支持、过程控制等，还可以用于数据自身的维护。因此，数据挖掘是一门很广义的交叉学科，它汇聚了不同领域的研究者，尤其是数据库、人工智能、数理统计、可视化、并行计算等方面的学者和工程技术人员。 特别要指出的是，数据挖掘技术从一开始就是面向应用的。它不仅是面向特定数据库的简单检索查询调用，而且要对这些数据进行微观、中观乃至宏观的统计、分析、综合和推理，以指导实际问题的求解，企图发现事件间的相互关联，甚至利用已有的数据对未来的活动进行预测。 一般来说在科研领域中称为KDD，而在工程领域则称为数据挖掘。 二、数据挖掘的步骤 KDD包括以下步骤： 1、数据准备 KDD的处理对象是大量的数据，这些数据一般存储在数据库系统中，是长期积累的结果。但往往不适合直接在这些数据上面进行知识挖 掘，需要做数据准备工作，一般包括数据的选择（选择相关的数据）、净化（消除噪音、冗余数据）、推测（推算缺失数据）、转换（离散值 数据与连续值数据之间的相互转换，数据值的分组分类，数据项之间的计算组合等）、数据缩减（减少数据量）。如果KDD的对象是数据仓 库，那么这些工作往往在生成数据仓库时已经准备妥当。数据准备是KDD 的第一个步骤，也是比较重要的一个步骤。数据准备是否做好将影 响到数据挖掘的效率和准确度以及最终模式的有效性。 2、数据挖掘 数据挖掘是KDD最关键的步骤，也是技术难点所在。研究KDD的人员中大部分都在研究数据挖掘技术，采用较多的技术有决策树、分类、 聚类、粗糙集、关联规则、神经网络、遗传算法等。数据挖掘根据KDD的目标，选取相应算法的参数，分析数据，得到可能形成知识的模式 模型。 3、评估、解释模式模型 上面得到的模式模型，有可能是没有实际意义或没有实用价值的，也有可能是其不能准确反映数据的真实意义，甚至在某些情况下是与事 实相反的，因此需要评估，确定哪些是有效的、有用的模式。评估可以根据用户多年的经验，有些模式也可以直接用数据来检验其准确性。 这个步骤还包括把模式以易于理解的方式呈现给用户。 4、巩固知识 用户理解的、并被认为是符合实际和有价值的模式模型形成了知识。同时还要注意对知识做一 致性检查，解决与以前得到的知识互相冲 突、矛盾的地方，使知识得到巩固。 5、运用知识 发现知识是为了运用，如何使知识能被运用也是KDD的步骤之一。运用知识有两种方法：一种是只需看知识本身所描述的关系或结果，就 可以对决策提供支持；另一种是要求对新的数据运用知识，由此可能产生新的问题，而需要对知识做进一步的优化 三、数据挖掘的特点及功能 3.1、数据挖掘的特点 数据挖掘具有如下几个特点，当然，这些特点与数据挖掘要处理的数据和目的是密切相关的。 1、处理的数据规模十分巨大。 2、查询一般是决策制定者（用户）提出的即时随机查询，往往不能形成精确的查询要求。 3、由于数据变化迅速并可能很快过时，因此需要对动态数据作出快速反应，以提供决策支持。 4、主要基于大样本的统计规律，其发现的规则不一定适用于所有数据 3.2、数据挖掘的功能 数据挖掘所能发现的知识有如下几种： 广义型知识，反映同类事物共同性质的知识； 特征型知识，反映事物各方面的特征知识； 差异型知识，反映不同事物之间属性差别的知识 ;关联型知识，反映事物之间依赖或关联的知识； 预测型知识，根据历史的和当前的数据推测未来数据；偏离型知识，揭示事物偏离常规的异常现象。 所有这些知识都可以在不同的概念层次上被发现，随着概念树的提升，从微观到中观再到宏观，以满足不同用户、不同层次决策的需要。例如，从一家超市的数据仓库中，可以发现的一条典型关联规则可能是”买面包和黄油的顾客十有八九也买牛奶”，也可能是”买食品的顾客几乎都用信用卡”，这种规则对于商家开发和实施客户化的销售计划和策略是非常有用的。至于发现工具和方法，常用的有分类、聚类、减维、模式识别、可视化、决策树、遗传算法、不确定性处理等。归纳起来，数据挖掘有如下几个功能： 预测/验证功能：预测/验证功能指用数据库的若干已知字段预测或验证其他未知字段值。预测方法有统计分析方法、关联规则和决策树预测方法、回归树预测方法等。 描述功能：描述功能指找到描述数据的可理解模式。描述方法包括以下几种：数据分类、回归分析、簇聚、概括、构造依赖模式、变化和偏差分析、模式发现、路径发现等。 四、数据挖掘的模式 数据挖掘的任务是从数据中发现模式。模式是一个用语言L来表示的一个表达式E，它可用来描述数据集F中数据的特性，E 所描述的数据是集 合F的一个子集FE。E作为一个模式要求它比列举数据子集FE中所有元素的描述方法简单。例如，“如果成绩在81 ～90之间，则成绩优良”可称 为一个模式，而“如果成绩为81、82、83、84、85、86、87、88、89 或90，则成绩优良”就不能称之为一个模式。 模式有很多种，按功能可分有两大类：预测型（Predictive）模式和描述型（Descriptive）模式。 预测型模式是可以根据数据项的值精确确定某种结果的模式。挖掘预测型模式所使用的数据也都是可以明确知道结果的。例如，根据各种 动物的资料，可以建立这样的模式：凡是胎生的动物都是哺乳类动物。当有新的动物资料时，就可以根据这个模式判别此动物是否是哺乳动物。 描述型模式是对数据中存在的规则做一种描述，或者根据数据的相似性把数据分组。描述型模式不能直接用于预测。例如，在地球上，70 ％的表面被水覆盖，30 ％是土地。 在实际应用中，往往根据模式的实际作用细分为以下6 种： 1、分类模式 分类模式是一个分类函数（ 分 类 器），能够把数据集中的数据项映射到某个给定的类上。分类模式往往表现为一棵分类树，根据数据的 值从树根开始搜索，沿着数据满足的分支往上走，走到树叶就能确定类别。 2、回归模式 回归模式的函数定义与分类模式相似，它们的差别在于分类模式的预测值是离散的，回归模式的预测值是连续的。如给出某种动物的特征，可以用分类模式判定这种动物是哺乳动物还是鸟类；给出某个人的教育情况、工作经验，可以用回归模式判定这个人的年工资在哪个范围内，是在6000元以下，还是在6000元到1万元之间，还是在1万元以上。 3、时间序列模式 时间序列模式根据数据随时间变化的趋势预测将来的值。这里要考虑到时间的特殊性质，像一些周期性的时间定义如星期、月、季节、年 等，不同的日子如节假日可能造成的影响，日期本身的计算方法，还有一些需要特殊考虑的地方如时间前后的相关性（过去的事情对将来有 多大的影响力）等。只有充分考虑时间因素，利用现有数据随时间变化的一系列的值，才能更好地预测将来的值。 4、聚类模式 聚类模式把数据划分到不同的组中，组之间的差别尽可能大，组内的差别尽可能小。与分类模式不同，进行聚类前并不知道将要划分成几 个组和什么样的组，也不知道根据哪一（几）个数据项来定义组。一般来说，业务知识丰富的人应该可以理解这些组的含义，如果产生的模式无法理解或不可用，则该模式可能是无意义的，需要回到上阶段重新组织数据。 5、关联模式 关联模式是数据项之间的关联规则。关联规则是如下形式的一种规则：“在无力偿还贷款的人当中，60％的人的月收入在3000元以下。” 6、序列模式 序列模式与关联模式相仿，而把数据之间的关联性与时间联系起来。为了发现序列模式，不仅需要知道事件是否发生，而且需要确定事件 发生的时间。例如，在购买彩电的人们当中，60％的人会在3个月内购买影碟机 五、数据挖掘的发现任务 数据挖掘涉及的学科领域和方法很多，有多种分类法。根据挖掘任务分，可分为分类或预测模型发现、数据总结、聚类、关联规则发现、序列模式发现、依赖关系或依赖模型发现、异常和趋势发现等等；根据挖掘对象分，有关系数据库、面向对象数据库、空间数据库、时态数据库、文本数据源、多媒体数据库、异质数据库、遗产数据库以及环球网Web;根据挖掘方法分，可粗分为：机器学习方法、统计方法、神经网络方法和数据库方法。机器学习中，可细分为：归纳学习方法（决策树、规则归纳等）、基于范例学习、遗传算法等。统计方法中，可细分为：回归分析（多元回归、自回归等）、判别分析（贝叶斯判别、费歇尔判别、非参数判别等）、聚类分析（系统聚类、动态聚类等）、探索性分析（主元分析法、相关分析法等）等。神经网络方法中，可细分为：前向神经网络（BP算法等）、自组织神经网络（自组织特征映射、竞争学习等）等。数据库方法主要是多维数据分析或OLAP 方法，另外还有面向属性的归纳方法。 从挖掘任务和挖掘方法的角度而言有数据总结、分类发现、聚类和关联规则发现四种非常重要的发现任务。 5.1、数据总结 数据总结目的是对数据进行浓缩，给出它的紧凑描述。传统的也是最简单的数据总结方法是计算出数据库的各个字段上的求和值、平均值、方差值等统计值，或者用直方图、饼状图等图形方式表示。数据挖掘主要关心从数据泛化的角度来讨论数据总结。数据泛化是一种把数据库中的有关数据从低层次抽象到高层次上的过程。由于数据库上的数据或对象所包含的信息总是最原始、基本的信息（这是为了不遗漏任何可能有用的数据信息）。人们有时希望能从较高层次的视图上处理或浏览数据，因此需要对数据进行不同层次上的泛化以适应各种查询要求。数据泛化目前主要有两种技术：多维数据分析方法和面向属性的归纳方法。 1、多维数据分析方法是一种数据仓库技术，也称作联机分析处理（OLAP）。数据仓库是面向决策支持的、集成的、稳定的、不同时间的历史数据集合。决策的前提是数据分析。在数据分析中经常要用到诸如求和、总计、平均、最大、最小等汇集操作，这类操作的计算量特别大。因此一种很自然的想法是，把汇集操作结果预先计算并存储起来，以便于决策支持系统使用。存储汇集操作结果的地方称作多维数据库。多维数据分析技术已经在决策支持系统中获得了成功的应用，如着名的SAS数据分析软件包、Business Object公司的决策支持系统Business Object,以及IBM公司的决策分析工具都使用了多维数据分析技术。 采用多维数据分析方法进行数据总结，它针对的是数据仓库，数据仓库存储的是脱机的历史数据。 2、为了处理联机数据，研究人员提出了一种面向属性的归纳方法。它的思路是直接对用户感兴趣的数据视图（用一般的SQL查询语言即可获得）进行泛化，而不是像多维数据分析方法那样预先就存储好了泛化数据。方法的提出者对这种数据泛化技术称之为面向属性的归纳方法。原始关系经过泛化操作后得到的是一个泛化关系，它从较高的层次上总结了在低层次上的原始关系。有了泛化关系后，就可以对它进行各种深入的操作而生成满足用户需要的知识，如在泛化关系基础上生成特性规则、判别规则、分类规则，以及关联规则等。 5.2、分类发现 分类在数据挖掘中是一项非常重要的任务，目前在商业上应用最多。分类的目的是学会一个分类函数或分类模型（也常常称作分类器），该模型能把数据库中的数据项映射到给定类别中的某一个。分类和回归都可用于预测。预测的目的是从利用历史数据纪录中自动推导出对给定数据的推广描述，从而能对未来数据进行预测。和回归方法不同的是，分类的输出是离散的类别值，而回归的输出则是连续数值。 要构造分类器，需要有一个训练样本数据集作为输入。训练集由一组数据库记录或元组构成，每个元组是一个由有关字段（又称属性或特征）值组成的特征向量，此外，训练样本还有一个类别标记。一个具体样本的形式可为：（ v1, v2, …， vn; c ）；其中vi表示字段值，c表示类别。 分类器的构造方法有统计方法、机器学习方法、神经网络方法等等。统计方法包括贝叶斯法和非参数法（近邻学习或基于事例的学习），对应的知识表示则为判别函数和原型事例。机器学习方法包括决策树法和规则归纳法，前者对应的表示为决策树或判别树，后者则一般为产生式规则。神经网络方法主要是BP算法，它的模型表示是前向反馈神经网络模型（由代表神经元的节点和代表联接权值的边组成的一种体系结构），BP算法本质上是一种非线性判别函数。另外，最近又兴起了一种新的方法：粗糙集（rough set），其知识表示是产生式规则。 不同的分类器有不同的特点。有三种分类器评价或比较尺度：1 预测准确度；2 计算复杂度；3 模型描述的简洁度。预测准确度是用得最多的一种比较尺度，特别是对于预测型分类任务，目前公认的方法是10番分层交叉验证法。计算复杂度依赖于具体的实现细节和硬件环境，在数据挖掘中，由于操作对象是巨量的数据库，因此空间和时间的复杂度问题将是非常重要的一个环节。对于描述型的分类任务，模型描述越简洁越受欢迎；例如，采用规则表示的分类器构造法就更有用，而神经网络方法产生的结果就难以理解。 另外要注意的是，分类的效果一般和数据的特点有关，有的数据噪声大，有的有缺值， 有的分布稀疏，有的字段或属性间相关性强，有的属性是离散的而有的是连续值或混合式的。目前普遍认为不存在某种方法能适合于各种特点的数据。 5.3、聚类 聚类是把一组个体按照相似性归成若干类别，即”物以类聚”。它的目的是使得属于同一类别的个体之间的距离尽可能的小，而不同类别上的个体间的距离尽可能的大。聚类方法包括统计方法、机器学习方法、神经网络方法和面向数据库的方法。 在统计方法中，聚类称聚类分析，它是多元数据分析的三大方法之一（其它两种是回归分析和判别分析）。它主要研究基于几何距离的聚类，如欧式距离、明考斯基距离等。传统的统计聚类分析方法包括系统聚类法、分解法、加入法、动态聚类法、有序样品聚类、有重叠聚类和模糊聚类等。这种聚类方法是一种基于全局比较的聚类，它需要考察所有的个体才能决定类的划分；因此它要求所有的数据必须预先给定，而不能动态增加新的数据对象。聚类分析方法不具有线性的计算复杂度，难以适用于数据库非常大的情况。 在机器学习中聚类称作无监督或无教师归纳；因为和分类学习相比，分类学习的例子或数据对象有类别标记，而要聚类的例子则没有标记，需要由聚类学习算法来自动确定。很多人工智能文献中，聚类也称概念聚类；因为这里的距离不再是统计方法中的几何距离 ,而是根据概念的描述来确定的。当聚类对象可以动态增加时，概念聚类则称是概念形成。 在神经网络中，有一类无监督学习方法：自组织神经网络方法；如Kohonen自组织特征映射网络、竞争学习网络等等。在数据挖掘领域里，见报道的神经网络聚类方法主要是自组织特征映射方法，IBM在其发布的数据挖掘白皮书中就特别提到了使用此方法进行数据库聚类分割。 5.4、关联规则发现 关联规则是形式如下的一种规则，”在购买面包和黄油的顾客中，有90%的人同时也买了牛奶”（面包+黄油 （ 牛奶 ）。用于关联规则发现的主要对象是事务型数据库，其中针对的应用则是售货数据，也称货篮数据。一个事务一般由如下几个部分组成：事务处理时间 ,一组顾客购买的物品，有时也有顾客标识号（如信用卡号）。 由于条形码技术的发展，零售部门可以利用前端收款机收集存储大量的售货数据。因此，如果对这些历史事务数据进行分析，则可对顾客的购买行为提供极有价值的信息。例如，可以帮助如何摆放货架上的商品（如把顾客经常同时买的商品放在一起），帮助如何规划市场（怎样相互搭配进货）。由此可见，从事务数据中发现关联规则，对于改进零售业等商业活动的决策非常重要。 如果不考虑关联规则的支持度和可信度，那么在事务数据库中存在无穷多的关联规则。事实上，人们一般只对满足一定的支持度和可信度的关联规则感兴趣。在文献中，一般称满足一定要求的（如较大的支持度和可信度）的规则为强规则。因此，为了发现出有意义的关联规则，需要给定两个阈值：最小支持度和最小可信度。前者即用户规定的关联规则必须满足的最小支持度，它表示了一组物品集在统计意义上的需满足的最低程度；后者即用户规定的关联规则必须满足的最小可信度，它反应了关联规则的最低可靠度。 在实际情况下，一种更有用的关联规则是泛化关联规则。因为物品概念间存在一种层次关系，如夹克衫、滑雪衫属于外套类，外套、衬衣又属于衣服类。有了层次关系后，可以帮助发现一些更多的有意义的规则。例如，”买外套，买鞋子”（此处，外套和鞋子是较高层次上的物品或概念，因而该规则是一种泛化的关联规则）。由于商店或超市中有成千上万种物品，平均来讲，每种物品（如滑雪衫）的支持度很低，因此有时难以发现有用规则；但如果考虑到较高层次的物品（如外套），则其支持度就较高，从而可能发现有用的规则。另外，关联规则发现的思路还可以用于序列模式发现。用户在购买物品时，除了具有上述关联规律，还有时间上或序列上的规律，因为，很多时候顾客会这次买这些东西，下次买同上次有关的一些东西，接着又买有关的某些东西。
相关范文：数据挖掘技术及其应用摘要：随着网络、数据库技术的迅速发畏以及数据库管理系统的广泛应用，人们积累的数据越来越多。数据挖掘(Data Mining)就是从大量的实际应用数据中提取隐含信息和知识，它利用了数据库、人工智能和数理统计等多方面的技术，是一类深层次的数据分析方法。关键词：数据挖掘；知识；分析；市场营销；金融投资随着网络、数据库技术的迅速发展以及数据库管理系统的广泛应用，人们积累的数据越来越多。由此，数据挖掘技术应运而生。下面，本文对数据技术及其应用作一简单介绍。一、数据挖掘定义数据挖掘(Data Mining)就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。它是一种新的商业信息处理技术，其主要特点是对商业数据库中的大量业务数据进行抽取、转换、分析和其他模型化处理，从中提取辅助商业决策的关键性数据。简而言之，数据挖掘其实是一类深层次的数据分析方法。从这个角度数据挖掘也可以描述为：按企业制定的业务目标，对大量的企业数据进行探索和分析，揭示隐藏的、未知的或验证已知的规律性，并进一步将其模型化的先进有效的方法。二、数据挖掘技术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，代写论文其中数据仓库技术的发展与数据挖掘有着密切的关系。大部分情况下，数据挖掘都要先把数据从数据仓库中拿到数据挖掘库或数据集市中，因为数据仓库会对数据进行清理，并会解决数据的不一致问题，这会给数据挖掘带来很多好处。此外数据挖掘还利用了人工智能(AI)和统计分析的进步所带来的好处，这两门学科都致力于模式发现和预测。数据库、人工智能和数理统计是数据挖掘技术的三大支柱。由于数据挖掘所发现的知识的不同，其所利用的技术也有所不同。1．广义知识。指类别特征的概括性描述知识。根据数据的微观特性发现其表征的、带有普遍性的、较高层次概念的、中观和宏观的知识，反映同类事物的共同性质，是对数据的概括、精炼和抽象。广义知识的发现方法和实现技术有很多，如数据立方体、面向屙性的归约等。数据立方体的基本思想是实现某些常用的代价较高的聚集函数的计算，诸如计数、求和、平均、最大值等，并将这些实现视图储存在多维数据库中。而面向属性的归约是以类SQL语言来表示数据挖掘查询，收集数据库中的相关数据集，然后在相关数据集上应用一系列数据推广技术进行数据推广，包括属性删除、概念树提升、属性阈值控制、计数及其他聚集函数传播等。2．关联知识。它反映一个事件和其他事件之间依赖或关联的知识。如果两项或多项属性之间存在关联，那么其中一项的属性值就可以依据其他属性值进行预测。最为著名的关联规则发现方法是Apriori算法和FP—Growth算法。关联规则的发现可分为两步：第一步是迭代识别所有的频繁项目集，要求频繁项目集的支持率不低于用户设定的最低值；第二步是从频繁项目集中构造可信度不低于用户设定的最低值的规则。识别或发现所有频繁项目集是关联规则发现算法的核心，也是计算量最大的部分。3．分类知识。它反映同类事物共同性质的特征型知识和不同事物之间的差异型特征知识。分类方法有决策树、朴素贝叶斯、神经网络、遗传算法、粗糙集方法、模糊集方法、线性回归和K—Means划分等。其中最为典型的分类方法是决策树。它是从实例集中构造决策树，是一种有指导的学习方法。该方法先根据训练子集形成决策树，如果该树不能对所有对象给出正确的分类，那么选择一些例外加入到训练子集中，重复该过程一直到形成正确的决策集。最终结果是一棵树，其叶结点是类名，中间结点是带有分枝的屙性，该分枝对应该屙性的某一可能值。4．预测型知识。它根据时间序列型数据，由历史的和当前的数据去推测未来的数据，也可以认为是以时间为关键属性的关联知识。目前，时间序列预测方法有经典的统计方法、神经网络和机器学习等。1968年BoX和Jenkins提出了一套比较完善的时间序列建模理论和分析方法，这些经典的数学方法通过建立随机模型，进行时间序列的预测。由于大量的时间序列是非平稳的，其特征参数和数据分布随着时间的推移而发生变化。因此，仅仅通过对某段历史数据的训练，建立单一的神经网络预测模型，还无法完成准确的预测任务。为此，人们提出了基于统计学和基于精确性的再训练方法，当发现现存预测模型不再适用于当前数据时，对模型重新训练，获得新的权重参数，建立新的模型。5．偏差型知识。它是对差异和极端特例的描述，揭示事物偏离常规的异常现象，如标准类外的特例、数据聚类外的离群值等。所有这些知识都可以在不同的概念层次上被发现，并随着概念层次的提升，从微观到中观、到宏观，以满足不同用户不同层次决策的需要。三、数据挖掘流程数据挖掘是指一个完整的过程，该过程从大型数据库中挖掘先前未知的、有效的、可实用的信息，代写毕业论文并使用这些信息做出决策或丰富知识。数据挖掘的基本过程和主要步骤如下：过程中各步骤的大体内容如下：1．确定业务对象，清晰地定义出业务问题。认清数据挖掘的目的是数据挖掘的重要一步，挖掘的最后结构不可预测，但要探索的问题应该是有预见的，为了数据挖掘而挖掘则带有盲目性，是不会成功的。2．数据准备。(1)数据选择。搜索所有与业务对象有关的内部和外部数据信息，并从中选择出适用于数据挖掘应用的数据。(2)数据预处理。研究数据的质量，进行数据的集成、变换、归约、压缩等．为进一步的分析作准备，并确定将要进行的挖掘操作的类型。(3)数据转换。将数据转换成一个分析模型，这个分析模型是针对挖掘算法建立的，这是数据挖掘成功的关键。3．数据挖掘。对所得到的经过转换的数据进行挖掘。除了完善和选择合适的挖掘算法外，其余一切工作都能自动地完成。4．结果分析。解释并评估结果。其使用的分析方法一般应视挖掘操作而定，通常会用到可视化技术。5．知识同化。将分析所得到的知识集成到业务信息系统的组织结构中去。四、数据挖掘的应用数据挖掘技术从一开始就是面向应用的。目前在很多领域，数据挖掘都是一个很时髦的词，尤其是在如银行、电信、保险、交通、零售(如超级市场)等商业领域。1．市场营销。由于管理信息系统和P0S系统在商业尤其是零售业内的普遍使用，特别是条形码技术的使用，从而可以收集到大量关于用户购买情况的数据，并且数据量在不断激增。对市场营销来说，通过数据分析了解客户购物行为的一些特征，对提高竞争力及促进销售是大有帮助的。利用数据挖掘技术通过对用户数据的分析，可以得到关于顾客购买取向和兴趣的信息，从而为商业决策提供了可靠的依据。数据挖掘在营销业上的应用可分为两类：数据库营销(database markerting)和货篮分析(basket analysis)。数据库营销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。通过对已有的顾客数据的辱淅，可以将用户分为不同级别，级别越高，其购买的可能性就越大。货篮分析是分析市场销售数据以识别顾客的购买行为模式，例如：如果A商品被选购，那么B商品被购买的可能性为95％，从而帮助确定商店货架的布局排放以促销某些商品，并且对进货的选择和搭配上也更有目的性。这方面的系统有：Opportunity Ex-plorer，它可用于超市商品销售异常情况的因果分析等，另外IBM公司也开发了识别顾客购买行为模式的一些工具(IntdligentMiner和QUEST中的一部分)。2．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(如神经网络或统计回归技术)。代写硕士论文由于金融投资的风险很大，在进行投资决策时，更需要通过对各种投资方向的有关数据进行分析，以选择最佳的投资方向。无论是投资评估还是股票市场预测，都是对事物发展的一种预测，而且是建立在对数据的分析基础之上的。数据挖掘可以通过对已有数据的处理，找到数据对象之间的关系，然后利用学习得到的模式进行合理的预测。这方面的系统有Fidelity Stock Selector和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来辅助管理多达6亿美元的有价证券。3．欺诈甄别。银行或商业上经常发生行为，如恶性透支等，这些给银行和商业单位带来了巨大的损失。对这类行为进行预测可以减少损失。进行甄别主要是通过总结正常行为和行为之间的关系，得到行为的一些特性，这样当某项业务符合这些特征时，可以向决策人员提出警告。这方面应用非常成功的系统有：FALCON系统和FAIS系统。FALCON是HNC公司开发的信用卡欺诈估测系统，它已被相当数量的零售银行用于探测可疑的信用卡交易；FAIS则是一个用于识别与洗钱有关的金融交易的系统，它使用的是一般的政府数据表单。此外数据挖掘还可用于天文学上的遥远星体探测、基因工程的研究、web信息检索等。结束语随着数据库、人工智能、数理统计及计算机软硬件技术的发展，数据挖掘技术必能在更多的领域内取得更广泛的应用。参考文献：[1]闫建红《数据库系统概论》的教学改革与探索[J]．山西广播电视大学学报，2006，(15)：16—17．其他相关：数据挖掘研究现状及最新进展（CAJ格式）仅供参考，请自借鉴希望对您有帮助补充：如何撰写毕业论文本科专业（含本科段、独立本科段）自考生在各专业课程考试成绩合格后，都要进行毕业论文的撰写（工科类专业一般为毕业设计、医科类一般为临床实习）及其答辩考核。毕业论文的撰写及答辩考核是取得高等教育自学考试本科毕业文凭的重要环节之一，也是衡量自考毕业生是否达到全日制普通高校相同层次相同专业的学力水平的重要依据之一。但是，由于许多应考者缺少系统的课堂授课和平时训练，往往对毕业论文的独立写作感到压力很大，心中无数，难以下笔。因此，对本科专业自考生这一特定群体，就毕业论文的撰写进行必要指导，具有重要的意义。本文试就如何撰写毕业论文作简要论述，供参考。毕业论文是高等教育自学考试本科专业应考者完成本科阶段学业的最后一个环节，它是应考者的总结性独立作业，目的在于总结学习专业的成果，培养综合运用所学知识解决实际问题的能力。从文体而言，它也是对某一专业领域的现实问题或理论问题进行科学研究探索的具有一定意义的论说文。完成毕业论文的撰写可以分两个步骤，即选择课题和研究课题。首先是选择课题。选题是论文撰写成败的关键。因为，选题是毕业论文撰写的第一步，它实际上就是确定“写什么”的问题，亦即确定科学研究的方向。如果“写什么”不明确，“怎么写”就无从谈起。教育部自学考试办公室有关对毕业论文选题的途径和要求是“为鼓励理论与工作实践结合，应考者可结合本单位或本人从事的工作提出论文题目，报主考学校审查同意后确立。也可由主考学校公布论文题目，由应考者选择。毕业论文的总体要求应与普通全日制高等学校相一致，做到通过论文写作和答辩考核，检验应考者综合运用专业知识的能力”。但不管考生是自己任意选择课题，还是在主考院校公布的指定课题中选择课题，都要坚持选择有科学价值和现实意义的、切实可行的课题。选好课题是毕业论文成功的一半。第一、要坚持选择有科学价值和现实意义的课题。科学研究的目的是为了更好地认识世界、改造世界，以推动社会的不断进步和发展。因此，毕业论文的选题，必须紧密结合社会主义物质文明和精神文明建设的需要，以促进科学事业发展和解决现实存在问题作为出发点和落脚点。选题要符合科学研究的正确方向，要具有新颖性，有创新、有理论价值和现实的指导意义或推动作用，一项毫无意义的研究，即使花很大的精力，表达再完善，也将没有丝毫价值。具体地说，考生可从以下三个方面来选题。首先，要从现实的弊端中选题，学习了专业知识，不能仅停留在书本上和理论上，还要下一番功夫，理论联系实际，用已掌握的专业知识，去寻找和解决工作实践中急待解决的问题。其次，要从寻找科学研究的空白处和边缘领域中选题，科学研究还有许多没有被开垦的处女地，还有许多缺陷和空白，这些都需要填补。应考者应有独特的眼光和超前的意识去思索，去发现，去研究。最后，要从寻找前人研究的不足处和错误处选题，在前人已提出来的研究课题中，许多虽已有初步的研究成果，但随着社会的不断发展，还有待于丰富、完整和发展，这种补充性或纠正性的研究课题，也是有科学价值和现实指导意义的。第二、要根据自己的能力选择切实可行的课题。毕业论文的写作是一种创造性劳动，不但要有考生个人的见解和主张，同时还需要具备一定的客观条件。由于考生个人的主观、客观条件都是各不相同的，因此在选题时，还应结合自己的特长、兴趣及所具备的客观条件来选题。具体地说，考生可从以下三个方面来综合考虑。首先，要有充足的资料来源。“巧妇难为无米之炊”，在缺少资料的情况下，是很难写出高质量的论文的。选择一个具有丰富资料来源的课题，对课题深入研究与开展很有帮助。其次，要有浓厚的研究兴趣，选择自己感兴趣的课题，可以激发自己研究的热情，调动自己的主动性和积极性，能够以专心、细心、恒心和耐心的积极心态去完成。最后，要能结合发挥自己的业务专长，每个考生无论能力水平高低，工作岗位如何，都有自己的业务专长，选择那些能结合自己工作、发挥自己业务专长的课题，对顺利完成课题的研究大有益处。选好课题后，接下来的工作就是研究课题，研究课题一般程序是：搜集资料、研究资料，明确论点和选定材料，最后是执笔撰写、修改定稿。第一、研究课题的基础工作———搜集资料。考生可以从查阅图书馆、资料室的资料，做实地调查研究、实验与观察等三个方面来搜集资料。搜集资料越具体、细致越好，最好把想要搜集资料的文献目录、详细计划都列出来。首先，查阅资料时要熟悉、掌握图书分类法，要善于利用书目、索引，要熟练地使用其他工具书，如年鉴、文摘、表册、数字等。其次，做实地调查研究，调查研究能获得最真实可靠、最丰富的第一手资料，调查研究时要做到目的明确、对象明确、内容明确。调查的方法有：普遍调查、重点调查、典型调查、抽样调查。调查的方式有：开会、访问、问卷。最后，关于实验与观察。实验与观察是搜集科学资料数据、获得感性知识的基本途径，是形成、产生、发展和检验科学理论的实践基础，本方法在理工科、医类等专业研究中较为常用，运用本方法时要认真全面记录。第二、研究课题的重点工作———研究资料。考生要对所搜集到手的资料进行全面浏览，并对不同资料采用不同的阅读方法，如阅读、选读、研读。通读即对全文进行阅读，选读即对有用部分、有用内容进行阅读，研读即对与研究课题有关的内容进行全面、认真、细致、深入、反复的阅读。在研读过程中要积极思考。要以书或论文中的论点、论据、论证方法与研究方法来触发自己的思考，要眼、手、脑并用，发挥想象力，进行新的创造。在研究资料时，还要做好资料的记录。第三、研究课题的核心工作―――明确论点和选定材料。在研究资料的基础上，考生提出自己的观点和见解，根据选题，确立基本论点和分论点。提出自己的观点要突出新创见，创新是灵魂，不能只是重复前人或人云亦云。同时，还要防止贪大求全的倾向，生怕不完整，大段地复述已有的知识，那就体现不出自己研究的特色和成果了。根据已确立的基本论点和分论点选定材料，这些材料是自己在对所搜集的资料加以研究的基础上形成的。组织材料要注意掌握科学的思维方法，注意前后材料的逻辑关系和主次关系。第四、研究课题的关键工作―――执笔撰写。考生下笔时要对以下两个方面加以注意：拟定提纲和基本格式。拟定提纲包括题目、基本论点、内容纲要。内容纲要包括大项目即大段段旨、中项目即段旨、小项目即段中材料或小段段旨。拟定提纲有助于安排好全文的逻辑结构，构建论文的基本框架。基本格式：一般毕业论文由标题、摘要、正文、参考文献等4方面内容构成。标题要求直接、具体、醒目、简明扼要。摘要即摘出论文中的要点放在论文的正文之前，以方便读者阅读，所以要简洁、概括。正文是毕业论文的核心内容，包括绪论、本论、结论三大部分。绪论部分主要说明研究这一课题的理由、意义，要写得简洁。要明确、具体地提出所论述课题，有时要写些历史回顾和现状分析，本人将有哪些补充、纠正或发展，还要简单介绍论证方法。本论部分是论文的主体，即表达作者的研究成果，主要阐述自己的观点及其论据。这部分要以充分有力的材料阐述观点，要准确把握文章内容的层次、大小段落间的内在联系。篇幅较长的论文常用推论式（即由此论点到彼论点逐层展开、步步深入的写法）和分论式（即把从属于基本论点的几个分论点并列起来，一个个分别加以论述）两者结合的方法。结论部分是论文的归结收束部分，要写论证的结果，做到首尾一贯，同时要写对课题研究的展望，提及进一步探讨的问题或可能解决的途径等。参考文献即撰写论文过程中研读的一些文章或资料，要选择主要的列在文后。第五、研究课题的保障工作―――修改定稿。通过这一环节，可以看出写作意图是否表达清楚，基本论点和分论点是否准确、明确，材料用得是否恰当、有说服力，材料的安排与论证是否有逻辑效果，大小段落的结构是否完整、衔接自然，句子词语是否正确妥当，文章是否合乎规范。总之，撰写毕业论文是一种复杂的思维活动，对于缺乏写作经验的自考生来说，确有一定的难度。因此，考生要“学习学习再学习，实践实践再实践”，虚心向指导教师求教。
摘要：随着网络、数据库技术的迅速发畏以及数据库管理系统的广泛应用，人们积累的数据越来越多。数据挖掘(Data Mining)就是从大量的实际应用数据中提取隐含信息和知识，它利用了数据库、人工智能和数理统计等多方面的技术，是一类深层次的数据分析方法。 关键词：数据挖掘；知识；分析；市场营销；金融投资 随着网络、数据库技术的迅速发展以及数据库管理系统的广泛应用，人们积累的数据越来越多。由此，数据挖掘技术应运而生。下面，本文对数据技术及其应用作一简单介绍。一、数据挖掘定义数据挖掘(Data Mining)就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。它是一种新的商业信息处理技术，其主要特点是对商业数据库中的大量业务数据进行抽取、转换、分析和其他模型化处理，从中提取辅助商业决策的关键性数据。简而言之，数据挖掘其实是一类深层次的数据分析方法。从这个角度数据挖掘也可以描述为：按企业制定的业务目标，对大量的企业数据进行探索和分析，揭示隐藏的、未知的或验证已知的规律性，并进一步将其模型化的先进有效的方法。二、数据挖掘技术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，代写论文其中数据仓库技术的发展与数据挖掘有着密切的关系。大部分情况下，数据挖掘都要先把数据从数据仓库中拿到数据挖掘库或数据集市中，因为数据仓库会对数据进行清理，并会解决数据的不一致问题，这会给数据挖掘带来很多好处。此外数据挖掘还利用了人工智能(AI)和统计分析的进步所带来的好处，这两门学科都致力于模式发现和预测。数据库、人工智能和数理统计是数据挖掘技术的三大支柱。由于数据挖掘所发现的知识的不同，其所利用的技术也有所不同。1．广义知识。指类别特征的概括性描述知识。根据数据的微观特性发现其表征的、带有普遍性的、较高层次概念的、中观和宏观的知识，反映同类事物的共同性质，是对数据的概括、精炼和抽象。广义知识的发现方法和实现技术有很多，如数据立方体、面向屙性的归约等。数据立方体的基本思想是实现某些常用的代价较高的聚集函数的计算，诸如计数、求和、平均、最大值等，并将这些实现视图储存在多维数据库中。而面向属性的归约是以类SQL语言来表示数据挖掘查询，收集数据库中的相关数据集，然后在相关数据集上应用一系列数据推广技术进行数据推广，包括属性删除、概念树提升、属性阈值控制、计数及其他聚集函数传播等。2．关联知识。它反映一个事件和其他事件之间依赖或关联的知识。如果两项或多项属性之间存在关联，那么其中一项的属性值就可以依据其他属性值进行预测。最为著名的关联规则发现方法是Apriori算法和FP—Growth算法。关联规则的发现可分为两步：第一步是迭代识别所有的频繁项目集，要求频繁项目集的支持率不低于用户设定的最低值；第二步是从频繁项目集中构造可信度不低于用户设定的最低值的规则。识别或发现所有频繁项目集是关联规则发现算法的核心，也是计算量最大的部分。3．分类知识。它反映同类事物共同性质的特征型知识和不同事物之间的差异型特征知识。分类方法有决策树、朴素贝叶斯、神经网络、遗传算法、粗糙集方法、模糊集方法、线性回归和K—Means划分等。其中最为典型的分类方法是决策树。它是从实例集中构造决策树，是一种有指导的学习方法。该方法先根据训练子集形成决策树，如果该树不能对所有对象给出正确的分类，那么选择一些例外加入到训练子集中，重复该过程一直到形成正确的决策集。最终结果是一棵树，其叶结点是类名，中间结点是带有分枝的屙性，该分枝对应该屙性的某一可能值。4．预测型知识。它根据时间序列型数据，由历史的和当前的数据去推测未来的数据，也可以认为是以时间为关键属性的关联知识。目前，时间序列预测方法有经典的统计方法、神经网络和机器学习等。1968年BoX和Jenkins提出了一套比较完善的时间序列建模理论和分析方法，这些经典的数学方法通过建立随机模型，进行时间序列的预测。由于大量的时间序列是非平稳的，其特征参数和数据分布随着时间的推移而发生变化。因此，仅仅通过对某段历史数据的训练，建立单一的神经网络预测模型，还无法完成准确的预测任务。为此，人们提出了基于统计学和基于精确性的再训练方法，当发现现存预测模型不再适用于当前数据时，对模型重新训练，获得新的权重参数，建立新的模型。5．偏差型知识。它是对差异和极端特例的描述，揭示事物偏离常规的异常现象，如标准类外的特例、数据聚类外的离群值等。所有这些知识都可以在不同的概念层次上被发现，并随着概念层次的提升，从微观到中观、到宏观，以满足不同用户不同层次决策的需要。三、数据挖掘流程数据挖掘是指一个完整的过程，该过程从大型数据库中挖掘先前未知的、有效的、可实用的信息，代写毕业论文并使用这些信息做出决策或丰富知识。数据挖掘的基本过程和主要步骤如下：过程中各步骤的大体内容如下：1．确定业务对象，清晰地定义出业务问题。认清数据挖掘的目的是数据挖掘的重要一步，挖掘的最后结构不可预测，但要探索的问题应该是有预见的，为了数据挖掘而挖掘则带有盲目性，是不会成功的。2．数据准备。(1)数据选择。搜索所有与业务对象有关的内部和外部数据信息，并从中选择出适用于数据挖掘应用的数据。(2)数据预处理。研究数据的质量，进行数据的集成、变换、归约、压缩等．为进一步的分析作准备，并确定将要进行的挖掘操作的类型。(3)数据转换。将数据转换成一个分析模型，这个分析模型是针对挖掘算法建立的，这是数据挖掘成功的关键。3．数据挖掘。对所得到的经过转换的数据进行挖掘。除了完善和选择合适的挖掘算法外，其余一切工作都能自动地完成。4．结果分析。解释并评估结果。其使用的分析方法一般应视挖掘操作而定，通常会用到可视化技术。5．知识同化。将分析所得到的知识集成到业务信息系统的组织结构中去。四、数据挖掘的应用数据挖掘技术从一开始就是面向应用的。目前在很多领域，数据挖掘都是一个很时髦的词，尤其是在如银行、电信、保险、交通、零售(如超级市场)等商业领域。1．市场营销。由于管理信息系统和P0S系统在商业尤其是零售业内的普遍使用，特别是条形码技术的使用，从而可以收集到大量关于用户购买情况的数据，并且数据量在不断激增。对市场营销来说，通过数据分析了解客户购物行为的一些特征，对提高竞争力及促进销售是大有帮助的。利用数据挖掘技术通过对用户数据的分析，可以得到关于顾客购买取向和兴趣的信息，从而为商业决策提供了可靠的依据。数据挖掘在营销业上的应用可分为两类：数据库营销(database markerting)和货篮分析(basket analysis)。数据库营销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。通过对已有的顾客数据的辱淅，可以将用户分为不同级别，级别越高，其购买的可能性就越大。货篮分析是分析市场销售数据以识别顾客的购买行为模式，例如：如果A商品被选购，那么B商品被购买的可能性为95％，从而帮助确定商店货架的布局排放以促销某些商品，并且对进货的选择和搭配上也更有目的性。这方面的系统有：Opportunity Ex-plorer，它可用于超市商品销售异常情况的因果分析等，另外IBM公司也开发了识别顾客购买行为模式的一些工具(IntdligentMiner和QUEST中的一部分)。2．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(如神经网络或统计回归技术)。代写硕士论文由于金融投资的风险很大，在进行投资决策时，更需要通过对各种投资方向的有关数据进行分析，以选择最佳的投资方向。无论是投资评估还是股票市场预测，都是对事物发展的一种预测，而且是建立在对数据的分析基础之上的。数据挖掘可以通过对已有数据的处理，找到数据对象之间的关系，然后利用学习得到的模式进行合理的预测。这方面的系统有Fidelity Stock Selector和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来辅助管理多达6亿美元的有价证券。3．欺诈甄别。银行或商业上经常发生行为，如恶性透支等，这些给银行和商业单位带来了巨大的损失。对这类行为进行预测可以减少损失。进行甄别主要是通过总结正常行为和行为之间的关系，得到行为的一些特性，这样当某项业务符合这些特征时，可以向决策人员提出警告。这方面应用非常成功的系统有：FALCON系统和FAIS系统。FALCON是HNC公司开发的信用卡欺诈估测系统，它已被相当数量的零售银行用于探测可疑的信用卡交易；FAIS则是一个用于识别与洗钱有关的金融交易的系统，它使用的是一般的政府数据表单。此外数据挖掘还可用于天文学上的遥远星体探测、基因工程的研究、web信息检索等。结束语随着数据库、人工智能、数理统计及计算机软硬件技术的发展，数据挖掘技术必能在更多的领域内取得更广泛的应用。 参考文献：[1]闫建红《数据库系统概论》的教学改革与探索[J]．山西广播电视大学学报，2006，(15)：16—17．