数据挖掘技术可以从庞杂的数据信息中提取、采集需要的信息，是企业运营中重要的应用技术。尤其随着各类电子产品的日益增多，为了让海量的信息为人们提供更加优质的服务，离不开对相关的数据展开深层次的挖掘与处理，为企业朝着继定的目标发展提供了必要的信息参考。

1数据挖掘的技术

1.1基本含义

数据挖掘就是指充分应用科学、高效率的计算方法，在海量的数据信息中捕获可用的信息的深入筛选过程。现如今，随着人类进入了信息时代，数据挖掘的技术在诸多行业里获得了人们的广泛认可，应用范围非常广阔。

1.2操作方法

总体而言，数据挖掘的技术大体可以分为以下五种操作的方法。第一，神经网络法。这种方法的鲁棒性较好，具有高度容错、并行处理的功能，对数据挖掘十分适用。具体是按照选择的模型，确定适用范围。现阶段，神经网络领域里普遍应用连续、离散、art与koholon等几种模型，主要在联想记忆、聚类的自组织映射、计算优化中进行应用。第二，决策树的方法。这种方法指的是对海量的信息进行分类、整理，并寻找带有一定运用价值的信息。具有迅速分类、获取可用信息的特点。因此，比较适合处理大量的数据。缺陷主要包括抵制噪声能力弱、表达复杂的概念不够具体。第三，统计分析法。通过这种方法可以有效地分析函数关系、相关关系。现阶段，可以具体划分三种方法，即相关、回归、差异等分析方法。第四，遗传算法。指的是依托于遗传激励与生物的自然选择规律的随机性搜索的计算方法，这也是十分常见的数据挖掘法。可以与其他的模型建立一定的联系，具有应用范围广、隐含并行性的优点。第五，挖掘对象。结合信息储存的格式，可以挖掘面向对象的文本数据源、数据库、空间数据库、多媒体数据库、异质数据库、时态数据库、Internet等。

2软件工程中数据挖掘技术的应用

2.1挖掘结构、程序代码

数据挖掘的技术在结构、程序代码方面的应用具体如下：其一，检测克隆代码的方法。所谓的克隆代码是指按照相关的软件工程正常运行的标准，复制或粘贴某个代码段。如果存在特别的需要，还能够酌情更改一些代码，并且对以上的代码加以严格地检测，目的在于以免相关故障的传播，达到简单维护系统的目标。有利于相关的软件系统正常运行。现阶段，克隆代码的检测可分为四种方法。即标识符比较、文本对比、程序结构、度量等。各种方法皆拥有各自的判断标准与检测程序，应用的时候，还需要结合具体的状况合理选择。其二，Aspect挖掘法。这种技术就是人们经常提及的横切关注点的挖掘法，在软件工程里，Asped挖掘法在改造系统中发挥关键性的作用。尤其在处理相关问题时，可以提供很多的方法，其中，形式概念、度量分析法最具有针对性。以上的方法能够通过重建候选集的形式，更好地解决横切点的挖掘问题。而且，这种数据挖掘的技术在其他许多方面也可以发挥良好的性能。

2.2软件项目管理方面

关于软件项目的管理，应用数据挖掘的技术可以表现以下两点。其一，挖掘组织关系与控制版本的信息。因为软件管理属于一项系统化的工程，关于组织关系的挖掘就分为许多层面的内容，其中，以合理地协调、分配人力资源最为重要。例如：在某一活动举办期间，由于涉及诸多的参与人员，这样，在统计有关信息时，极易因信息的交互而影响活动的正常秩序。而数据挖掘技术的有效应用，能够有效地区分各方面的组织关系，极大地提升了项目管理的效率。其二，控制版本的控制信息。版本信息的控制可以为相关的工作者查询版本带来便利。有效地应用数据挖掘的技术，不但可以对系统实际的修复状况展开自动化地检测，同时发出相关的报警信号；而且还能够轻松地规避大量的错误，有利于维护系统的运行秩序，进而提升软件项目的管理质量。

2.3故障检测方面

数据挖掘的技术在软件工程中的另一个重要应用就是检测故障方面。长期以来，软件工程系统中，展开故障检测的时候，通常选择程序切片的方法，程序切片的检测法尽管也可以在某种意义上达到系统正常运行的标准，然而，也会产生一些亟待处理的问题。例如：技术较为复杂、定位比较模糊等。现如今，随着软件工程系统日益升级与优化，一定要相应地优化故障检测的技术。而应用数据挖掘的技术恰好可以符合新的检测标准。这项技术具体应用于故障检测方面可以从交互模式、程序说明进行分析。挖掘程序的说明可以对软件工程系统相关的运行信息展开跟踪式的检测。以便迅速查找系统运行中存在的问题，并及时进行系统的检测与维护。从现阶段常见的挖掘法分析，一般应用规则与自动化的方法。这两种方法，皆充分地按照相关的程序与API的规则进行信息的挖掘。

3结束语

总之，在软件工程系统中有效地应用数据挖掘技术，既能够极大地提升软件研发的工作效率，又能够增强软件的稳定性能。伴随信息技术的不断发展，在未来，数据挖掘的技术在软件工程领域中的应用还会更加广泛。这项技术改变了以往人们获取数据的形式。而且从某种意义上优化了软件工程系统，有利于软件工程获得更好的发展。