Page 191 - 电气控制技术与管理

第五章 智能制造技术

选，发现心电图中出现三类异常者一年内死于第二次心脏病发作的概率比未发现
者高1~2倍。这种新方法能够预测更多的、无法通过现有的风险筛查被探查出的
高危患者。

2.可视化分析
不管是对数据分析专家还是普通用户，他们两者对于大数据分析最基本的要

求就是可视化分析。因为可视化分析能够直观地呈现大数据特点，同时能够非常
容易地被地用户所接受。可视化可以直观地展示数据，让数据自己说话，让观众
听到结果。数据可视化是数据分析最基本的要求。

3.大数据挖掘算法
可视化分析结果是给用户看的，而数据挖掘算法是给计算机看的，通过让
机器学习算法，按人的指令工作，从而呈现给用户隐藏在数据之中的有价值的结

果。大数据分析的理论核心就是数据挖掘算法，算法不仅要考虑数据的量，也要
考虑处理的建度，目前在许多领域的研究都是在分布式计算框架上对现有的数据
挖掘理论加以改进，进行并行化、分布式处理。
常用的数据挖掘方法有分类、预测、关联规则、聚类、决策树、描述和可视

化、复杂数据类型挖掘（Tex1、Web、图形图像、视频、音频）等，有很多学者
对大数据挖掘算法进行了研究和文献发表。

4.语义引擎
语义的概念。语义技术是从词语所表达的语义层次上识别和处理用户的搜索
请求。
语义机通过对网络中资源对象的语义标注和用户对查询表达式的语义处理，

使自然语言具有逻辑语义关系。它可以在网络环境下实现广泛有效的语义推理，
实现更准确、全面的用户恢复。大数据分析广泛应用于网络数据挖掘中，它可以

从用户的搜索关键词中分析和评估用户的需求，以获得更好的用户体验。
例如，试图基于此字段解释搜索结果的中文搜索网站可能会自动识别补偿文
本结构。如果有人搜索“选项”，语义搜索引擎可能会收到包括“选择”、“选
择”和“投票”在内的文本信息，但“选择”一词可能根本不会出现在这些信息

源中，也就是说，语义搜索可以解译相关词语和类似关键字，提高搜索信息的准
确性和相关性。

·179·