如何将消费者在网络行为中产生的海量数据进行充分的挖掘并加以合理的利用,使之有效地为网络营销服务,是企业应该积极思考的问题。本文结合数据挖掘的有关概念,阐述了数据挖掘技术在网络营销中的应用策略。 数据挖掘就能将这些偏差一一检测出来，在这个过程中隐含着许多潜在有用的知识，例如不稳定的量变、观测结果与测算结果的偏差等，偏差检测的主要方法是找出观测结果和测算结果之间有意义的差别。2数据挖掘技术在网络营销中的应用2.1数据挖掘在网络营销中的流程随着网络营销的普及和发展，企业面临的竞争压力也随之增大，企业可以借助数据挖掘技术对网络营销中涉及的大量数据进行识别、转换、分析以及模型化处理，从中提取出有助于决策的关键性数据，来提高企业的效益。为此，我们提出了网络营销中数据挖掘的流程，如图1所示[1]。图1网络营销中数据挖掘的流程由图示可知，数据挖掘技术在网络营销中的运用大体可以分数据挖掘技术在网络营销中的应用构架实践刘思皖（宁夏财经职业技术学院，宁夏银川，750001）摘要：如何将消费者在网络行为中产生的海量数据进行充分的挖掘并加以合理的利用，使之有效地为网络营销服务，应用构架实践-数控滚圆机滚弧机张家港电动液压滚圆机滚弧机弯管机是企业应该积极思考的问题。本文结合数据挖掘的有关概念，阐述了数据挖掘技术在网络营销中的应用策略。关键词：数据挖掘技术；网络营销；详细介绍了人工智能的概念、发展现状、研究热点、技术问题,研究了人工智能的具体应用,通过举例分析人工智能的实际应用解析人工智能的深层内涵与发展前景。 语音识别前需要对首尾进行声波切除，降低对后续处理的干扰本文有公司网站张家港全自动切管机 网站采集转载中国知网资源整理! http://www.qieguanjixie.com。图1声音波形图在分析声音时，首先需要通过移动窗函数对声音进行分帧，分帧后的波形如图2所示，图中分帧的每帧长度25ms，每两帧之间有15ms的交叠帧移。图2分帧波形图语音经过分帧后形成了许多小段而时域波形没有描述信息的能力，因而需要对分帧进行波形变换，如MFCC特征变换。变换后的波形将形成一个多维向量，表示声学中的信息特征值，根据多维向量特征值构建特征值观察序列矩阵，如图2中波形有12维，形成了N列矩阵，将构成图3的12维向量，其中色块深浅表示向量值大校图3声波观察序列矩阵构成向量矩阵后，将向量值对应成相应的“状态”，本文有公司网站张家港全自动切管机 网站采集转载中国知网资源整理! http://www.qieguanjixie.com通过“状态”构成相应的音素，如图4所示，每一个单元格内表示一帧，每帧表示一个状态，而三个状态表示一个音素。而每一帧所表示的状态由每帧的末尾决定，如图5所示的某一帧对应的S3条件的概率最大即为状态S3，最后通过每三个“状态”构成的音素通过马尔可夫模型进行状态网络识别，完成整个语音识别过程，即解码过程。3人工智能的具体应用人工智能技术由于能够被广泛应用到人们的日常生活中，因而具有极其重要的应用价值。人工智能的应用研究包括机器学习、问题求解、专家系统、信息检索、模式识别等，这些应用研究都将促进人工智能的发展让人类的生活更加便捷。3.1机器学习机器学习（MachineLearning，ML）是一门多领域交叉学科，它涉及到概率论、统计学、逻辑算法、逼近论等多门逻辑数学学科，主要研究如何使用计算机模拟实现人类的学习行为获取新的知识并通过不断地学习完善自身逻辑。目前，智能机器人是机器学习的重要应用研究。智能机器人通过中央处理器接收文字、声音、图像等应用构架实践-数控滚圆机滚弧机张家港电动液压滚圆机滚弧机弯管机本文有公司网站张家港全自动切管机 网站采集转载中国知网资源整理! http://www.qieguanjixie.com