论文部分内容阅读
摘 要：计算机技术、网络技术的不断发展催生了庞大的数据信息，以往以数据为主体的信息管理模式也逐步转化为以大数据为代表的发展模式。在以大数据为代表的信息处理模式中，以往计算机信息处理技术已无法满足大数据时代计算机信息处理需求，也限制了计算机信息处理效率。因此，对大数据时代计算机信息处理技术进行进一步分析非常必要。
关键词：大数据时代;计算机信息处理技术;数据挖掘
1 “大数据”时代的计算机信息处理技术应用类型及特点
计算机信息处理技术主要是将计算机作为一种自动信息处理设备。其主要是在计算机系统内，利用计算机技术进行信息处理的一种方式。在大数据时代，计算机信息处理技术经过了手工处理时期、机械信息处理时期，已经进入了计算机处理时期。形成了集数据库技术、检索技术、信息系统技术为一体，以数据库及通信网络技术为依托的信息处理系统。其运行速度较快，且可以自动处理大数据时代产生的大量信息，整体信息处理精确度较高。
2 “大数据”时代的计算机信息处理技术应用措施
2.1 计算机硬件处理技术应用
大数据时代，计算机硬件处理技术主要是依托计算机系统，进行信息采集、信息加工、信息储存、信息安全管理等基本操作。首先，基于计算机硬件的信息采集主要是对既定信息进行监督控制。并根据用户群体要求，自动筛选具有一定利用价值的数据信息。
其次，基于计算机硬件的信息加工主要是在信息筛选的基础上，根据用户需求，结合计算机信息处理规定。对前期收集的信息進行分类处理。并将分类处理后信息传递给用户。
再次，信息储存主要是利用计算机自身硬盘储存能力，将处理后数据储存在固定位置。
最后，信息安全技术主要是基于大数据时代信息的不确定性，进行计算机硬件安全技术产品开发应用。通过计算机硬件安全技术产品的应用，可以保证大数据时代计算机信息处理技术在信息处理中应用安全稳定性。
2.2 数据挖掘技术应用
在大数据时代，数据多样、速度、价值、数量特征逐步显现，数据挖掘技术（data mining，DM）应用优势逐步凸显，受到了多个行业人员的重视。数据挖掘技术可以从庞大的数据中，将未知、不明显，且具备一定潜在价值的信息提取出来，促使其与其他模块之间相辅相成、协调发展。数据挖掘中常用的信息处理手段为分类、优化、识别、预测等。
首先，分类主要是利用互联网+大数据的方式，与通信技术、人工智能技术配合，将大数据时代庞大数据划分为系统、科学的若干个数据集合。如互联网+大数据模式的养老服务体系等。
其次，优化主要是针对现阶段数据管理中出现的问题，通过实时数据挖掘预测模型搭建的方式，为现代社会管理模式改善提供依据。如在交通领域应用“数据挖掘实时预测模型”，可以有效预测短期的交通状况或者物流情况，为陷入交通拥堵的驾驶人员及物流网络运输人员提供良好的帮助。应用概率较高的计算机信息优化方式为进化算法（evolutionary algorithms，EAs）。其主要依据自然界中的“优胜劣汰，适者生存”的生物进化原理改变优化参数，选择恰当的适应度函数。将相关参数信息编码，串联到群体内。通过选择、交叉、变异等一系列过程循环进行，可以逐步淘汰适应度值差的个体，获得适应度值最好的个体，达到计算机信息优化处理的目的。
再次，识别主要针对计算机中数字图像，通过对获得信息库进行数据挖掘，可以分析潜在人脸识别数据及指纹识别数据，为后期资料收集处理提供便捷的渠道。如基于稀疏表示的鲁棒人脸识别等。
最后，预测主要是利用历史数据，沿历史数据时间序列变化，通过神经网络与决策树、贝叶斯分类算法等相关人工智能算法，搭建预测模型。随后在预测模型中进行数据挖掘分析，可获得一系列观测值，进而得到其在一段时间变化趋势及其他模块所受到的影响。如气象预报、石油勘探、金融等。以贝叶斯分类算法为例，其与决策树算法、神经网络算法间具有密切的关系，具有算法简单、分类精度较高等优势。通过朴素贝叶斯算法及bagging方法、boosting方法等动态贝叶斯组合算法应用，可以有效预测多个领域历史数据时间序列变化趋势，保证数据处理效率。
2.3 可视化技术应用
大数据时代，可视化技术主要包括原位交互分析技术、可视化分析技术、数据计算量化技术、数据收集关联技术、数据储存技术、面向工具及用户界面交互技术等。在可视化技术具体应用过程中，首先需要在数据信息可视化模型搭建的基础上，将信息可视化划分为由最初原始数据→数据表、数据表→可视化数据结构、可视化数据结构→数据视图几个模块。随后将数据信息可视化划分为数据预处理、绘制测量、显示与交互三个阶段。其中数据预处理主要是将实现收集的数据，进行简单格式化、标准化或者变换、压缩、解压缩等处理。并将相互关联数据整合成若干个模块，根据相应数据隶属领域差异，对其异常值进行检查，或者进行聚类处理;绘制测量主要是利用图形绘制的方式，根据不同用户群体需求，将数据转换为几何图像;显示与交互主要是将所绘制的几何图像输出。并根据数据间关联性，结合数据发展趋势，将用户群反馈信息穿书之软件层。
3 总结
综上所述，计算机信息处理技术是信息作战的重要支撑，也是实现信息作战武器信息化的主要因素，其可以为新的信息作战空间营造提供充足的物质支持。因此，相关人员应合理利用大数据时代计算机信息处理优势，不断开发完善计算机硬件处理技术、数据挖掘技术、可视化技术。为计算机硬件处理技术、数据挖掘技术、可视化技术等计算机信息处理技术在大数据时代优势的充分发挥奠定基础。
参考文献
[1]王凯军，王骏宇，符德旺.大数据时代的计算机信息处理技术研究[J].中国战略新兴产业，2017（12）：108-108.
[2]冯凌峰.大数据时代计算机信息处理技术研究[J].电子世界，2017（16）：93-93.
[3]袁琦.大数据时代计算机信息处理技术的研究[J].科技风，2018年28期
[4]牛爱民.大数据背景下计算机信息处理技术的缺陷及优化[J].数字技术与应用，2017年11期
关键词：大数据时代;计算机信息处理技术;数据挖掘
1 “大数据”时代的计算机信息处理技术应用类型及特点
计算机信息处理技术主要是将计算机作为一种自动信息处理设备。其主要是在计算机系统内，利用计算机技术进行信息处理的一种方式。在大数据时代，计算机信息处理技术经过了手工处理时期、机械信息处理时期，已经进入了计算机处理时期。形成了集数据库技术、检索技术、信息系统技术为一体，以数据库及通信网络技术为依托的信息处理系统。其运行速度较快，且可以自动处理大数据时代产生的大量信息，整体信息处理精确度较高。
2 “大数据”时代的计算机信息处理技术应用措施
2.1 计算机硬件处理技术应用
大数据时代，计算机硬件处理技术主要是依托计算机系统，进行信息采集、信息加工、信息储存、信息安全管理等基本操作。首先，基于计算机硬件的信息采集主要是对既定信息进行监督控制。并根据用户群体要求，自动筛选具有一定利用价值的数据信息。
其次，基于计算机硬件的信息加工主要是在信息筛选的基础上，根据用户需求，结合计算机信息处理规定。对前期收集的信息進行分类处理。并将分类处理后信息传递给用户。
再次，信息储存主要是利用计算机自身硬盘储存能力，将处理后数据储存在固定位置。
最后，信息安全技术主要是基于大数据时代信息的不确定性，进行计算机硬件安全技术产品开发应用。通过计算机硬件安全技术产品的应用，可以保证大数据时代计算机信息处理技术在信息处理中应用安全稳定性。
2.2 数据挖掘技术应用
在大数据时代，数据多样、速度、价值、数量特征逐步显现，数据挖掘技术（data mining，DM）应用优势逐步凸显，受到了多个行业人员的重视。数据挖掘技术可以从庞大的数据中，将未知、不明显，且具备一定潜在价值的信息提取出来，促使其与其他模块之间相辅相成、协调发展。数据挖掘中常用的信息处理手段为分类、优化、识别、预测等。
首先，分类主要是利用互联网+大数据的方式，与通信技术、人工智能技术配合，将大数据时代庞大数据划分为系统、科学的若干个数据集合。如互联网+大数据模式的养老服务体系等。
其次，优化主要是针对现阶段数据管理中出现的问题，通过实时数据挖掘预测模型搭建的方式，为现代社会管理模式改善提供依据。如在交通领域应用“数据挖掘实时预测模型”，可以有效预测短期的交通状况或者物流情况，为陷入交通拥堵的驾驶人员及物流网络运输人员提供良好的帮助。应用概率较高的计算机信息优化方式为进化算法（evolutionary algorithms，EAs）。其主要依据自然界中的“优胜劣汰，适者生存”的生物进化原理改变优化参数，选择恰当的适应度函数。将相关参数信息编码，串联到群体内。通过选择、交叉、变异等一系列过程循环进行，可以逐步淘汰适应度值差的个体，获得适应度值最好的个体，达到计算机信息优化处理的目的。
再次，识别主要针对计算机中数字图像，通过对获得信息库进行数据挖掘，可以分析潜在人脸识别数据及指纹识别数据，为后期资料收集处理提供便捷的渠道。如基于稀疏表示的鲁棒人脸识别等。
最后，预测主要是利用历史数据，沿历史数据时间序列变化，通过神经网络与决策树、贝叶斯分类算法等相关人工智能算法，搭建预测模型。随后在预测模型中进行数据挖掘分析，可获得一系列观测值，进而得到其在一段时间变化趋势及其他模块所受到的影响。如气象预报、石油勘探、金融等。以贝叶斯分类算法为例，其与决策树算法、神经网络算法间具有密切的关系，具有算法简单、分类精度较高等优势。通过朴素贝叶斯算法及bagging方法、boosting方法等动态贝叶斯组合算法应用，可以有效预测多个领域历史数据时间序列变化趋势，保证数据处理效率。
2.3 可视化技术应用
大数据时代，可视化技术主要包括原位交互分析技术、可视化分析技术、数据计算量化技术、数据收集关联技术、数据储存技术、面向工具及用户界面交互技术等。在可视化技术具体应用过程中，首先需要在数据信息可视化模型搭建的基础上，将信息可视化划分为由最初原始数据→数据表、数据表→可视化数据结构、可视化数据结构→数据视图几个模块。随后将数据信息可视化划分为数据预处理、绘制测量、显示与交互三个阶段。其中数据预处理主要是将实现收集的数据，进行简单格式化、标准化或者变换、压缩、解压缩等处理。并将相互关联数据整合成若干个模块，根据相应数据隶属领域差异，对其异常值进行检查，或者进行聚类处理;绘制测量主要是利用图形绘制的方式，根据不同用户群体需求，将数据转换为几何图像;显示与交互主要是将所绘制的几何图像输出。并根据数据间关联性，结合数据发展趋势，将用户群反馈信息穿书之软件层。
3 总结
综上所述，计算机信息处理技术是信息作战的重要支撑，也是实现信息作战武器信息化的主要因素，其可以为新的信息作战空间营造提供充足的物质支持。因此，相关人员应合理利用大数据时代计算机信息处理优势，不断开发完善计算机硬件处理技术、数据挖掘技术、可视化技术。为计算机硬件处理技术、数据挖掘技术、可视化技术等计算机信息处理技术在大数据时代优势的充分发挥奠定基础。
参考文献
[1]王凯军，王骏宇，符德旺.大数据时代的计算机信息处理技术研究[J].中国战略新兴产业，2017（12）：108-108.
[2]冯凌峰.大数据时代计算机信息处理技术研究[J].电子世界，2017（16）：93-93.
[3]袁琦.大数据时代计算机信息处理技术的研究[J].科技风，2018年28期
[4]牛爱民.大数据背景下计算机信息处理技术的缺陷及优化[J].数字技术与应用，2017年11期