楊小梅

摘要：研究中將軟件設計挖掘中的模型構建作為了研究的重點，對數(shù)據(jù)挖掘的基本過程、數(shù)據(jù)資源的運用現(xiàn)狀以及模型設計的核心理念進行了系統(tǒng)性的研究，旨在通過對數(shù)據(jù)挖掘模型的有效構建，實現(xiàn)軟件工程數(shù)據(jù)挖掘的科學分析，為信息系統(tǒng)的優(yōu)化設計提供系統(tǒng)支持。

關鍵詞：軟件系統(tǒng)；數(shù)據(jù)挖掘；模型設計

中圖分類號：TP31 文獻標識碼：A 文章編號：1007-9416（2017）02-0086-03

對于軟件數(shù)據(jù)挖掘系統(tǒng)而言，其數(shù)據(jù)資源的挖掘是一種對數(shù)據(jù)發(fā)現(xiàn)模型構建及規(guī)律認知的過程，通過對數(shù)據(jù)資源信息的優(yōu)化分析可以實現(xiàn)對數(shù)據(jù)資源系統(tǒng)的有效收集。在實際軟件系統(tǒng)開發(fā)的過程中，通過對軟件信息資源的有效收集，可以實現(xiàn)對軟件基礎編碼及測試依據(jù)的有效分析，而在現(xiàn)階段軟件數(shù)據(jù)挖掘系統(tǒng)分析的過程中，怎樣實現(xiàn)軟件系統(tǒng)的有效處理，逐漸成為數(shù)據(jù)資源信息模型構建中需要解決的問題。所以，在研究中，通過對數(shù)據(jù)挖掘系統(tǒng)的模型構建，進行了軟件挖掘系統(tǒng)的分析，核心目的是通過信息資源數(shù)據(jù)庫的穩(wěn)定優(yōu)化，實現(xiàn)數(shù)據(jù)資源模型的穩(wěn)定構建。

1 數(shù)據(jù)挖掘的過程分析

對于典型的數(shù)據(jù)挖掘系統(tǒng)而言，其基本的過程可以通過圖1所示。

1.1 數(shù)據(jù)挖掘對商業(yè)目標的理解

在數(shù)據(jù)資源挖掘的過程中，首先應該在商業(yè)的角度對用戶的真實需求進行理解及分析，其中，信息資源的收集及理解會將行業(yè)的信息作為基礎，通過對行業(yè)運行現(xiàn)狀的分析，進行問題的理解及確立。同時，在問題分析的過程中，需要對項目的實行計劃、項目風險以及受益項目進行合理性的問題的有效設計，充分保證資源項目評估的穩(wěn)定性及優(yōu)勢性，從而為項目目標的優(yōu)化設計提供穩(wěn)定支持。

1.2 數(shù)據(jù)挖掘對數(shù)據(jù)資源的理解

數(shù)據(jù)資源系統(tǒng)構建的過程中，項目設計者需要在了解數(shù)據(jù)挖掘的商業(yè)目標之后，進行相關原始數(shù)據(jù)信息資源的優(yōu)化設計，并通過對數(shù)據(jù)相關特征的分析，進行數(shù)據(jù)格式、形式及數(shù)量的優(yōu)化統(tǒng)計，從而保證數(shù)據(jù)資源信息的穩(wěn)定連接。

1.3 數(shù)據(jù)資源的準備

在軟件系統(tǒng)數(shù)據(jù)資源準備的過程中，通過數(shù)據(jù)資源的準備及數(shù)據(jù)挖掘過程的穩(wěn)定分析，可以發(fā)現(xiàn)在數(shù)據(jù)資源準備系統(tǒng)設計的過程中，主要內容應該包含數(shù)據(jù)的集成、數(shù)據(jù)的清理、數(shù)據(jù)的選擇以及數(shù)據(jù)的變換，通過這些步驟的確定，保證數(shù)據(jù)資源在大量、全面及豐富的狀態(tài)下，實現(xiàn)對數(shù)據(jù)資源的準備及集成性分析。同時，在數(shù)據(jù)集成問題分析的過程中，應該通過對多種異質數(shù)據(jù)的有效整合，保證數(shù)據(jù)資源庫數(shù)據(jù)處理的原始性特點。數(shù)據(jù)清理主要是通過對噪音數(shù)據(jù)、數(shù)據(jù)沖突現(xiàn)象的消除，實現(xiàn)對數(shù)據(jù)信息的有效填補，從而為數(shù)據(jù)資源系統(tǒng)的數(shù)據(jù)污染處理提供穩(wěn)定支持。數(shù)據(jù)選擇主要是通過對數(shù)據(jù)清洗后的數(shù)據(jù)進行集成化的樣本篩選、維度提升，使數(shù)據(jù)樣本在項目優(yōu)化設計的基礎上，保證數(shù)據(jù)信息挖掘的技術性及分類型特點，實現(xiàn)數(shù)據(jù)格式資源轉化的合理性。

1.4 數(shù)據(jù)模型的算法實施

在數(shù)據(jù)資源整合及設計的過程中，通過優(yōu)化的測量進行參數(shù)資源的設定，可以保證數(shù)據(jù)資源挖掘算法的穩(wěn)定性執(zhí)行，并在模型構建及模型規(guī)則分析的基礎上，實現(xiàn)系統(tǒng)闡述的穩(wěn)定設計[1]。

1.5 評估模型的設計

在數(shù)據(jù)挖掘系統(tǒng)結果分析的過程中，應該將數(shù)據(jù)挖掘的結果中作為分析的對象，并將數(shù)據(jù)挖掘的學習類型作為項目的指導，從而尋找并認識到設計評估的基本規(guī)則及模型。在評估系統(tǒng)設計的環(huán)境下，其內容不僅需要包括對數(shù)據(jù)資源的處理及檢測，而且也應該發(fā)現(xiàn)數(shù)據(jù)結構設計系統(tǒng)的中心環(huán)節(jié)，保證項目的設計的穩(wěn)定性及核心性，從而實現(xiàn)系統(tǒng)評估及評價模型設計的科學性。

1.6 商業(yè)實踐環(huán)節(jié)優(yōu)化

通過對數(shù)據(jù)挖掘過程的分析可以發(fā)現(xiàn)，其資源庫的構建可以指導企業(yè)進行穩(wěn)定性的社會實踐，并在某種程度上滿足商業(yè)實踐的基本標準。在商業(yè)實踐優(yōu)化設計的中，應該注意的是，數(shù)據(jù)信息庫的資源處理，應該充分展現(xiàn)動態(tài)化的知識活動構建體系，并在商業(yè)實踐及資源挖掘的基礎上，保證商業(yè)活動柜的有效拓展，從而為數(shù)據(jù)挖掘資源平臺的設計提供穩(wěn)定支持。

2 數(shù)據(jù)挖掘系統(tǒng)需要解決的問題

2.1 數(shù)據(jù)準備及處理階段的問題

在現(xiàn)階段設計挖掘系統(tǒng)設計的過程中，很多數(shù)據(jù)資源庫的設計在數(shù)據(jù)準備及預處理的過程中，并沒有形成自動化的數(shù)據(jù)庫資源分析模式，而且，對于冗余、沖突以及異常的現(xiàn)象缺乏應急性規(guī)定處理制度，從而導致數(shù)據(jù)庫的資源選擇以及樣本篩選都需要得到專業(yè)人群進行干預，造成了資源的嚴重浪費[2]。

2.2 數(shù)據(jù)挖掘對象的問題

在設計挖掘對象分析的過程中，要求數(shù)據(jù)挖掘系統(tǒng)需要面對大規(guī)模的數(shù)據(jù)資源模型，但是，在現(xiàn)階段數(shù)據(jù)資源挖掘系統(tǒng)設計中，其數(shù)據(jù)異質性現(xiàn)象較為突出，數(shù)據(jù)的特征及維度空間也相對較高，因此，在特征及屬性間關系優(yōu)化分析中面臨著繁雜的特點，同時，在數(shù)據(jù)系統(tǒng)非機構化數(shù)據(jù)處理及分析的狀態(tài)下，其結果也很難得到量化的處理。

2.3 企業(yè)數(shù)據(jù)庫資源不完善

數(shù)據(jù)挖掘庫作為信息資源儲存的重要平臺，在現(xiàn)階段數(shù)據(jù)挖掘系統(tǒng)設計的過程中，企業(yè)存在著數(shù)據(jù)倉庫系統(tǒng)設計不完善的現(xiàn)象，這一問題的出現(xiàn)也就會為信息數(shù)據(jù)的收集及整理造成較為嚴重的時間浪費[3]。

2.4 數(shù)據(jù)挖掘系統(tǒng)知識體系不成熟

數(shù)據(jù)挖掘問題分析的過程中，由于知識的形成及表示方法的差異性，導致在實際數(shù)據(jù)資源挖掘及項目指導及分析中，存在著領導人員缺乏專業(yè)性的數(shù)據(jù)挖掘知識的現(xiàn)象，使指導工作面臨著一定的制約。

2.5 對系統(tǒng)處理方式?jīng)]有形成有效體系

在數(shù)據(jù)資源挖掘及處理的過程中，系統(tǒng)項目在某種程度上會起到指導性的作用，所以，對數(shù)據(jù)系統(tǒng)的算法及模型的處理應該保證項目評價的客觀性，這種客觀性評價也是數(shù)據(jù)資源信息挖掘中較為關鍵的環(huán)節(jié)。但是，在現(xiàn)階段數(shù)據(jù)挖掘系統(tǒng)設計的過程中，存在著系統(tǒng)不完善的設計現(xiàn)象，從而為系統(tǒng)資源的處理造成了制約[4]。

2.6 樣本分布中的不均勻現(xiàn)象

在系統(tǒng)設計及樣本分析的過程中，其不均衡的數(shù)據(jù)集中問題存在著一定的制約性問題，其主要的內容包括了對學習理解不深刻、算法不合理以及評價不完善等，這些不均衡的因素得到了廣大學者的廣泛關注。因此，在現(xiàn)階段數(shù)據(jù)挖掘資源優(yōu)化的過程中，應該認識到樣本分布不均勻的問題，通過對數(shù)據(jù)資源挖掘系統(tǒng)的有效分析，保證系統(tǒng)運行的穩(wěn)定性及科學性。

3 軟件數(shù)據(jù)挖掘中的模型研究

3.1 聚類挖掘中數(shù)據(jù)模型系統(tǒng)的構建

在對城市發(fā)展類型化問題分析的過程中，其初始環(huán)境中的數(shù)據(jù)模型構建，應該在數(shù)據(jù)實例設計分析的基礎上，進行聚合關系的有效確定，但是，在現(xiàn)階段數(shù)據(jù)模型分析中，系統(tǒng)內容并沒有形成系統(tǒng)化的建模方式。因此，在現(xiàn)階段數(shù)據(jù)挖掘系統(tǒng)優(yōu)化設計的狀態(tài)下，應該通過對聚類問題的有效分析，進行數(shù)據(jù)挖掘技術的有效優(yōu)化[5]。

第一，層次狀態(tài)下的聚類分析。對于系統(tǒng)聚類方式而言，是一種層次化的聚類方式，其使用的范圍相對較廣。在系統(tǒng)運行的狀態(tài)下，通過對各個樣本類型的分析，合理規(guī)定樣本之間的相互距離，然后在兩類合并分析的狀態(tài)下，形成一種全新的類型模式，通過對其他聚類數(shù)據(jù)資源的計算，重復兩類合并化的工作內容，并將相關的工作成本合為一類，保證數(shù)據(jù)資源的合并化及順序化處理。同時，在數(shù)據(jù)挖掘系統(tǒng)處理的過程中，軟件系統(tǒng)會提供一種hclust（）的函數(shù)層次聚類方式，hclust（）聚類方式是hclust（d，merhod=“ward”，members=NULL），函數(shù)中的d是指距離結構的距離，而merhod是一種制定的聚類方法，在運用的過程中，可以通過最短距離、最長距離以及中間距離方式的運用，進行數(shù)據(jù)挖掘系統(tǒng) 的有效設計。對于聚類系統(tǒng)而言，是也中非監(jiān)督的模式，通過對各個數(shù)據(jù)資源的合理關注，可以通過對實際狀況的分析及調整，進行聚類內容的程序優(yōu)化。在程序設計的過程中，其基本的程序如下所示。

subest<-subest （datasrt，sckect=出（3：11）

city<-dist （subest） 該程序主要是對Euclide的距離進行測定分析

hclust<-hclust（city，“ward”）該程序為了實現(xiàn)對Ward進行系統(tǒng)聚類分析

Plclust（hclust）實現(xiàn)系統(tǒng)繪制程序的聚類化譜圖

result<-rect.hclust（hclust，k=4，border=“red”）實現(xiàn)對特定的聚類進行劃分

第二，劃分聚類方式分析

在聚類方式分析的過程中可以發(fā)現(xiàn)，k-means是一種較為經(jīng)典的劃分模式，其基本的設計思想是通過對聚類化指標的最小優(yōu)化，進行聚類準則及聚類函數(shù)的樣本分析，從而保證距離的最小化。因此，在整個聚類方法分析的過程中，第一，應該通過對制定聚類數(shù)據(jù)的分析，進行聚類項目的合理確定，并保護走鞥初始聚類中心設計的穩(wěn)定性、合理性。第二，通過對養(yǎng)成集里以及樣本最小距離的分析，可以對不同的聚類樣本進行平均聚類中心的穩(wěn)定設計，從而保證數(shù)據(jù)資源系統(tǒng)處理的優(yōu)化設計[6]。

3.2 分類模型的設計

在社會運行及發(fā)展的狀態(tài)下，人類在生產(chǎn)活動設計的過程中，需要對不同的信息系統(tǒng)做出預測，如天氣變化狀況以及股票指數(shù)等內容，通過預測可以對相關數(shù)據(jù)的歷史指數(shù)進行綜合性的分析，并在指標分析及評價的基礎上，劃分出綜合性的預估內容，保證項目生產(chǎn)活動效率的穩(wěn)定提升，降低數(shù)據(jù)模型構建中出現(xiàn)的風險因素。有效提升生產(chǎn)活動的整體效率。在分類技術分析的過程中，需要對控制變量的控制進行預測及取值特征的分析，因此，在預測狀態(tài)下，可以將其內容分為分類及回歸兩種。因此，需要對預測的項目內容進行分類處理。在數(shù)據(jù)挖掘模型輸出結果設計的狀態(tài)下，我們會將其過程稱為回歸學習方式。通常情況下，在分類技術概述分析的狀態(tài)下，對決策樹進行分析。其中的決策樹主要是一種無序性的數(shù)據(jù)記錄內容，并通過對數(shù)據(jù)資源的有效分析及結構的表述，實現(xiàn)數(shù)據(jù)挖掘資源的有效處理。

首先，通過這種本屬性值的比較及分析，可以構建分子化的系統(tǒng)處理模式，從而保證分類樹資源結構優(yōu)化的合理性，其基本的決策樹分類技術可以分為以下幾點：第一，ID3算法內容思考的分析中，其核心的工作內容是對樣本數(shù)據(jù)進行檢測，并在計算的各個活動中，實現(xiàn)信息增益的資源優(yōu)化處理，實現(xiàn)不同屬性值建立的穩(wěn)定性。通過對ID3算法理論的科學化分析，可以保證數(shù)據(jù)資源的穩(wěn)定設計及便利性分析，并在此基礎上，擴大數(shù)據(jù)集成性的理想內容，保證數(shù)據(jù)資源項目核算的穩(wěn)定優(yōu)化及合理改進。第二，C4.5算法。對于C4.5算法而言，在計算的過程 中會在項目設計的基礎上實現(xiàn)對數(shù)據(jù)挖掘的有效改進，并在此基礎上，建立了分類樹的項目過程。首先，需要構建數(shù)據(jù)決策樹，這種決策方式與ID3的構建決策方式呈現(xiàn)出一直化的發(fā)展變化，其主要的區(qū)別是ID3在信息增益分析的狀態(tài)下，可以實現(xiàn)對屬性分子問題的有效解決，而C4.5算法需要通過對信息收益率的綜合性分析，并進行屬性不足的確立。其次，在對已經(jīng)形成分類樹剪裁及處理的狀態(tài)下，應該通過對噪音數(shù)據(jù)分支問題的分析，進行離散化的項目處理，從而保證數(shù)據(jù)資源處理狀態(tài)下的系統(tǒng)缺失值，并在最大程度上為決策樹算法的運用提供良好依據(jù)[7]。

其次，在函數(shù)類分類算法分析的過程中，應該支持向量機化的合作管理模式，并在理論統(tǒng)計及學習的基礎上，保證函數(shù)項目設計的穩(wěn)定性發(fā)展。因此，在函數(shù)類分類算法分析的基礎上，應該通過對樣本信息模型的復雜性設計，應該尋求復雜性及學習性的分類算法，有效克服傳統(tǒng)信息模型設計的局限性，從而保證函數(shù)分類的廣泛性發(fā)展。同時，在函數(shù)分類算法分析的同時，為了支持向量機化學校模型的構建，就應該構建集樣本是否為線性化的分析，對線性函數(shù)進行穩(wěn)定的構造，所以，在函數(shù)類分類算法過程中，應該做到以下幾點內容：第一，認識到訓練集體成本的的構造分類，從而實現(xiàn)數(shù)據(jù)挖掘環(huán)境下非線性映射技術的空間化轉化。第二，在支持向量機采用投影技術確立及使用的過程中，應該對非線性的特征進行系統(tǒng)化的設計，保證全局項目上合計的最優(yōu)化處理，保證期望風險的有效執(zhí)行[8]。

3.3 實現(xiàn)模型選擇的不均衡性模型構建

對于不均衡分類模式而言，主要是在分類問題處理的過程中，通過對多數(shù)樣本數(shù)量的分析，進行少數(shù)樣本數(shù)量的合理優(yōu)化。同時，在不均衡分離的理念下，可以將其分為不均衡的數(shù)據(jù)集約分類方式，通過數(shù)據(jù)的穩(wěn)定研究，可以實現(xiàn)數(shù)據(jù)資源挖掘狀態(tài)下的全新發(fā)展，例如，在軟件系統(tǒng)檢測中，當發(fā)現(xiàn)了軟件缺陷問題，應該保證模塊在98%以上，其錯誤的軟件模塊應該時刻小于2%，從而實現(xiàn)數(shù)據(jù)挖掘系統(tǒng)分類算法的合理預測及系統(tǒng)分析，實現(xiàn)模型項目設計中信息價值的穩(wěn)定提升。同時，在集成學習模式構建的狀態(tài)下，也需要對組合學習項目進行優(yōu)化，通過對原數(shù)據(jù)訓練分類模型的好送將誒，可以額保證分類模型及子分類模型的優(yōu)化設計，實現(xiàn)模型測試項目的集中化及預測化判斷，為不均衡性模型的優(yōu)化設計提供穩(wěn)定性的技術支持[9]。

4 結語

總而言之，在現(xiàn)階段數(shù)據(jù)挖掘系統(tǒng)優(yōu)化設計的過程中，為了保證資源項目設計的穩(wěn)定性及合理性，不僅應該保證系統(tǒng)挖掘的完善性及功能性，而且也應該對用戶界面進行綜合性的設計及分析，從而保證數(shù)據(jù)挖掘系統(tǒng)設計條件的穩(wěn)定性，實現(xiàn)數(shù)據(jù)挖掘系統(tǒng)的實用性。同時，在軟件挖掘系統(tǒng)優(yōu)化的狀態(tài)下，也可以通過對不同語言程序的開發(fā)及挖掘能力的提升，充分展現(xiàn)出資源數(shù)據(jù)目標挖掘的基本特點，完善數(shù)據(jù)資源的挖掘功能，從而保證數(shù)據(jù)資源系統(tǒng)設計的穩(wěn)定性及互動操作的特點。而且，在圖形界面數(shù)據(jù)資源可視化效果的分析，需要通過對流程化資源挖掘狀態(tài)的分析，進行功能及用戶界面的有效改進，實現(xiàn)數(shù)據(jù)資源挖掘系統(tǒng)的優(yōu)化提供穩(wěn)支持。

參考文獻

[1]王國勛.基于多目標決策的數(shù)據(jù)挖掘模型選擇研究[D].電子科技大學，2013.

[2]龔璞.數(shù)據(jù)挖掘在軟件項目風險管理系統(tǒng)中應用研究[D].大連理工大學，2014.

[3]陳榮鑫.R軟件的數(shù)據(jù)挖掘應用[J].重慶工商大學學報（自然科學版），2011，（06）：602-607.

[4]林立，朱小冬，王毅剛，閻旭坤.基于數(shù)據(jù)挖掘的軟件故障診斷研究[J].微計算機信息，2010，（34）：156-158.

[5]王輝，杜慶峰.基于軟件信息庫挖掘的軟件缺陷預測方法[J].計算機工程與設計，2012，（08）：3094-3098.

[6]崔廣風.數(shù)據(jù)挖掘中的統(tǒng)計方法及其應用研究[D].西南石油大學，2014.

[7]張曉艷.股市數(shù)據(jù)挖掘中偏模型的檢驗和應用[D].西南財經(jīng)大學，2014.

[8]曾強.面向軟件漏洞的挖掘方法研究[D].燕山大學，2014.

[9]金蓮花.數(shù)據(jù)挖掘在軟件缺陷管理中的研究與應用[D].長春理工大學，2010.