计算机智能数据分析的前瞻性应用探讨

【摘要】    当今我国计算机智能化作为一项影响经济和社会进步最大的科技成果，不仅彻底地改变了人们民众的日常学习和生活方式，而且在更加完善的现代信息技术的推动下，正在逐渐地改变人们民众对于“生活”的基本界限，此篇论文就是结合实际的情况，将当今我国计算机智能化大数据分析的具有前瞻性及其应用特点进行了简析。

【关键词】    计算机    智能数据分析    前瞻性

引言：

个体电脑在上世纪中期问世之后，就以一种高速增长的发展态势在软、硬件的更新上取得了突破，结合移动互联网和多媒体等技术的广泛应用，让个体电脑在本世纪中期迎来了一个全新的时代和高潮，以往独立的个人电脑在经过了网络连线链接之后，信息的数据量已经呈现出“井喷式”的快速爆发，这就是给予了大规模的数据分析和综合应用带来比较充足的理论资源。

一、计算机数据分析的作用

传统的单体式计算机，数据信息再多的规模，也仅仅是专门针对自己而言，并且其有效数据信息的保存量完全都是由于受到自己硬件容量的限制而已经体现了出来[1]。对于单体计算机的信息和数据进行有效的分析，可以通过归纳并总结得出使用者的基本运行和应用状况，属于计算机硬件的被动性行为，因为只有当系统接收到一个需要执行指令的信号时，才能够启动一个相应的数据分析程序。

但是在一个比较广义的媒体广域网络和区域网络范围内如果同时进行了其他计算机的数据分析，则被动地认为了这是一种主动的分析行为，对于相关单体与其他计算机之间的各种信息关系进行通过互交、互通等各种方式都在进行了综合整理、记录之后，能够主动寻找并得到与信息相关单体信息的内在共性，然后再通过结合这些相关信息的内在共性，调整分析得出全体公众对于这些信息的有效接受倾向，将这些信息共性都结合完成了这些指向性质的认定后，就自然而然地就会形成了一些公共性质的热点，这些都往往是一个传统媒体中这些所谓有效新闻资料价值的根本和发展雏形，而我们如果要真正地去想深入地理解分析这些有效新闻资料和相关信息的内在价值，就不能尽可能单纯地从一个传统媒体的理论观点和信息视角上来去进行理解，其中的这些社会经济效应和信息衍生的社会经济效益价值，往往都认为是比较容易被社会人们广泛关注和充分重视的一个焦点[2]。

二、计算机智能数据分析的应用现状

互联网赋予了一个单体的计算机以及其相应的服务器以信息进行直线传播的广域性通讯渠道，这样也就让我们把传统意义上根本不可能存在的“点对点信息”或者说只是“点对面”的信息，借助于互联网的渠道而已经形成了“面对点”乃至是“面对面”的信息传送模式，这样也就给予了行为能力方可以借助于交互式平台的功能来有效地整合和梳理自己的行为轨迹象与行为技巧提供了一个绝佳的资料基础。

目前它是借助于企业云计算、云数据处理和大规模数据分析系统开发形成的一套智能化大规模数据分析系统基础架构，在实现服务广大人民百姓群众的信息学习与日常生活等各功能方面都已经做出了杰大量的贡献[3]。一方面，透过有效数据信息的综合检索，能够便于做到尽量最大化限度地有效节省了每个终端用户进行整理相关信息的时间精力和花费时间，可以尽量最短限度地将有效数据信息或者特别地说是一些终端处理用户所较为关心的数据信息直接放置在较为明显的地理位置上可以进行综合发布;另一方面，透過一些关键词和一些文本词的指引，能够便于使得一些相关的有效数据处理信息或者针对已经正在发生的或者相关的在数据发布轨迹上的信息可以进行有效地综合整理，让这些相关的数据信息以一种最大的优化或者者说是一种更加贴近每个终端用户的信息方式直接呈现在终端消费者面前;最主要的一个应用方面功能就是，通过有效数据资料的综合梳理，能够给每个终端处理用户自身提供一个可能具有一定阶段性或甚至多个周期性的有效数据资料库并进行整理汇总，便于使得终端处理用户从相关信息的行为处理上对其中的相关信息的可重复性、行为处理指令的非法性和可逆性等多个方面可以进行有效适应。

三、计算机智能数据分析的前瞻性

首先，凸显了这类人工智能的巨大功效。现阶段的传统人工智能人类数据综合分析虽然被广泛冠以“智能”字样，但与真正的传统人工智能数据分析还是仍然存在着不小的技术区别性和差距的，毕竟其中的人类数据综合分析智能指令就是在能够完成对目前人工智能分析已知或者已经已知发生的人类行为相关数据信息进行随机比较和综合分析的基础上对所产生的信息对比而使信息具有预判的分析效果[4]。对这个终端预判模型结果中特性可能直接产生的预判结果往往大都是完全没有任何针对性地对其进行详细分析梳理的，最合想的终端人工智能终端分析预判状态，就是那些需要将这种模型具有特性可能直接产生预判结果的终端人工智能分析模型数据进行合理的分析预判，以此更便于一个终端用户甚至可以在预判开始时对进行终端人工智能用户行为影响评估的任何一个时候都甚至可以自行选择更加合理和最优化的终端解决决策方案。

其次，凸显了智能化分析技术的假说优势。目前基于大数据分析上所发展而来的智能大数据分析模型，主要靠的是大数据分析的时效性过高，不能充分体现它们的根本特征，这些已经发生的信息行为与未来发生的信息行为之间，在现阶段几乎没有任何必然的相互关联[4]。要真正地突出数据的智能化应用特点，就必须在这个应用的过程中，通过结合数据分析方法来增加一些具有可预见性的因素，使其成为一个假设性的因素，或许这其中也可能会存在一定的误差，与终端用户的真实行为之间很可能会出现距离，但绝大多数的情况下，可以给终端用户一个比较完善的未来场景进行预设，将其中的各种变量作为预设，连接转换为了一种定量的因子[5]。

四、实际案例分析

在对经济大量数据进行智能化处理的过程中，需要进一步地确定大量数据的信息来源。乡村经济增长的数据很难全部被采集到，快递和物流的数据也不可能全面被采集到[6]。在本次对这个案例进行研究中，仅仅只有从对农村地区的经济大量数据采用智能化的技术处理方式角度对其进行了分析，并通过大量的数据挖掘等技术提供了对乡村地区经济发展的信息。

通过对大数据挖掘分析技术对该项目的信息采集系统在分析我国当前农村贫困地区的物流经济社会发展建设过程中所可能做出的重要决策结果具有一定的科学可行性，以对分析我国当前农村贫困地区物流、快递和物流经济社会发展的总体水平状况作出深入分析。数据挖掘在该技术的广泛应用下，挖掘出1000个城市乡镇村的数据。其中，横和纵轴上所数字代表的数据就是一次大件快递的平均业务量，单位为每件/每个月。同时，纵向转轴所主要代表的单位就是其在物流交通运输中的业务量，单位为每吨/一个月。由我国农村快递资料的数据分析散点地理图分析可知，经济发达的一个村庄主要是集中在大的分散点所在地区，经济不发达的一个村庄主要是集中在较小地分散点所在地区。这就表明，农村的快递服务和物流运输业务日益发达，相应的也将具备一个更高的社会经济增长水平。对数据的获得是利用统计学软件进行获取，异常值被剔除后，对这些数据都进行了建模。以随机选项的方法将70%的数据重新进行定义，作为一个训练集，而余30%则被命名成为一个测试集。bp 神经网络的模型主要目标就是通过对选取的训练集来进行，效果的检测和验证以对于测试集来说最明显，在调整了参数后再选择一个较高精度的预测模型，并且还要确定所需选取参数的平均值。其中隐藏的节点数目平均值是3，替换次数平均值是10000次，权值的衰减参数平均值是0.05。

在对经济学和大量数据进行智能化的技术处理时，其中用于测试集、训练集之间的混乱矩阵测试过程如下图所示：

>train_confusion

Predictedclass

Actual 01

036053

179206

>test_confusion

Predictedclass

Actual 01

015935

13474

其中訓练集划分的准确率为81%，测试集划分的准确率为77%。这也就说明，在我们确定了农村物流数量和配送速度时，对于农村经济增长速度的预期已经能够得到很好地把握，至少能够达到77%。

五、结束语

综上所述，计算机的各种智能数据分析，是一种经过了应用计算机软、硬件信息系统的各种自主技术融入和有机结合之后，与我国广域网的各种信息处理系统能够进行综合实施相互关联对接的一个新型高智能化的技术产物，在对这些信息系统进行收集整理的工作过程中，可能还仍然会同时出现一些技术缺陷，但是随着信息系统的不断完善与快速发展，势必将会有一种新的技术优势能够直接使得应用计算机的各种智能数据分析以更为便捷、高效的分析手段和处理方式能够得到广泛服务于人民大众的学术研究工作学习和深入人民日常生活。

参考文献

[1]汪燕. 我国人工智能教育的发展与困境——兼论人工智能在继续教育中的发展[J]. 职教论坛， 2018， 000（009）：104-110.

[2]周晶， 孙喜民， 于晓昆，等. 知识图谱与数据应用——智能推荐[J]. 电信科学， 2019， v.35（08）：171-178.

[3]史载祥， 谷万里， 杜金行， et al. Scheme of Diagnostic Criteria Revision Consideration on Blood Stasis Syndrome[J]. 中西医结合心脑血管病杂志， 2007， 005（011）：1037-1039.

[4]张勇， 王冀超. 智能数据检测管理系统的硬件应用研究[J]. 计算机技术与发展， 2011， 021（002）：230-233.

[5]王万良， 张兆娟， 高楠，等. 基于人工智能技术的大数据分析方法研究进展 被引量：1[J]. 计算机集成制造系统， 2019， 3（3）：3-3.

[6]杨永斌. The Application Research of Data Mining Technique in Education数据挖掘技术在教育中的应用研究[J]. 计算机科学， 2006， 33（12）：284-286.

乔志远：1988.06;民族：汉族;籍贯：山东省临沂市;学历：大学本科（在读硕士），计算机高级信息系统项目管理师;研究方向：计算机信息系统项目管理。