摘要：随着当前科学技术的不断进步与发展，各种新型科技产物逐渐走进了我们的生活当中，成为了日常生活当中人类工作学习的各种辅助工具。而在21世纪以来，人工智能属于具有代表性的一种科研成果，被广泛应用于商业市场当中，在科技产业以及商业产企业当中都会对人工智能加以应用。而以人工智能技术为基准进行大数据分析，也正是人工智能技术实现智能化的主要基础。人工智能技术的大数据分析方法研究也正是现阶段优化人工智能技术，是人工智能技术不断发展的主要手段。基于此，本文主要对人工智能技术的大数据分析方法进行了探究，并且深入探索了基于人工智能技术的大数据分析发展进度，以供相关人员参考。

关键词：人工智能技术;大数据分析;研究进展

引言：在我们日常生活当中，很多事物的发展都会与大数据分析拥有紧密联系。在大数据时代之下，任何一个数据分析成果都会对我们的生活以及未来发展进行决定。而在大数据分析过程当中，人工智能技术的发展又会依靠于数据分析作为支撑。那么，大数据分析也就成为了对科学技术发展产物进行不断优化所必须掌握的一种分析方法。

一、基于人工智能技术的大数据分析方法

（一）基于机器学习的大数据分析

在人工智能技术当中，机器学习会占据着十分重要的地位，也是大数据分析当中比较常用的一种方法，不仅仅在国内有很多专家学者研究基于机器学习的大数据分析，在国外也有很多专家以及学者对其展开研究。不仅如此，有很多研究成果也应用到了众多领域当中。一般来说，基于机器学习的大数据分析主要体现在四方面。第一，大数据聚类。对大数据聚类来说，是所有算法当中比较最难的一部分，不仅跨学科、跨领域，还需要跨媒体，这也就导致大数据聚类的研究受到更多关注。第二，大数据关联分析。对大数据关联分析来说，也叫做关联挖掘，主要就是在众多数据当中找到关于项目集合，抑或者是对象之间的合适模式以及关联性、因果结构，是现阶段大数据技术当中主要挖掘的一种技术。第三，大数据分类。这是大数据挖掘的重要方法，对大数据分类来说，比较广泛，在各个行业当中都会存在，在网络入侵检测以及医疗诊断当中都会拥有大数据分类的影子。第四，大数据预测。在整个大数据分析技术当中，大数据预测是核心内容，可以在众多行业当中发挥出其作用，最主要的就是价格预测元素分析以及电力负荷预测，这也正可以为行业的后期发展提供非常有力的数据支撑[1]。

（二）基于深度学习的大数据分析

最早，深度学习是由加拿大教授在某一期刊上所提出的。后期，基于深度学习的大数据分析也成为了机器学习的重要研究领域。与此同时，深度学习也是机器学习的一种方法，通过对图像、语言、语音等处理的应用，对人工智能发展具有十分重要的作用。不仅如此，在人工智能当中，深度学习也是需要训练的，属于计算密集型任务。

（三）基于计算智能的大数据分析

基于计算智能的大数据分析属于人工智能当中比较受关注的一个分支，因为计算智能拥有着启发式以及随机性的特点，也就可以更好地对大规模问题进行解决。在我国传统的发展过程当中，在对计算进行优化的流程当中，大多都会对集中式设计思路进行引入。在计算的处理过程当中，必须对收敛性和收敛速度进行兼顾。不过，如果对大规模数据进行优化或者对问题进行处理，早期的集中式设计会彰显出一定的缺陷，处理会更加耗费时间。但是利用计算智能来进行大数据分析，就能够更好地对这些大型数据问题加以解决。

二、基于人工智能技术的大数据分析发展进度

（一）聚类研究进度

现阶段，在我国大数据分析过程当中，会对比较传统的聚类算法加以采用。不过，也正因为大数据聚类的复杂度以及困难度比较高，也就无法将传统聚类算法应用到其中。也正因此，Map-reduce和K-means两种算法应运而生。以Map-reduce为基础的大数据聚类算法可以分布式进行。通过对这种算法加以应用，可以在一定程度上对大数据聚类的复杂度进行减少，在使用过程当中可以对数据的延展性进行增加。不仅如此，在计算的过程当中也可以将计算时间最小化，对计算机硬件没有过多要求。而对K-means来说，属于比较经典的一种算法，应用范围比较广泛，可以对数据处理速率进行提高[2]。

（二）关联研究进度

大数据关联分析是大数据挖掘当中主要的发展任务。现阶段，我国对大数据关联的研究主要会着重于A priori关联规则以及频繁模式增长方面。对关联规则挖掘来说，在我国具有十分广泛的应用领域。在我们的日常生活当中，数值分析、智能交通等都会对关联规则挖掘加以运用。比如说，在出租车轨迹的研究方面，通过对关联规则挖掘加以运用，也就可以实时诊断汽车故障，还可以防止因为模式数过大而导致计算速度过慢的问题。在未来，关联挖掘算法会在我国得到更加广泛的应用，主要就是对已经存在的算法进行优化处理，进而对我国未来大数据发展需求加以满足。

（三）预测研究进度

现阶段，人工智能技术下的大数据技术主要研究内容就是大数据预测，其可以应用到多个行业当中。不过，目前我国大数据预测研究还会存在着一定的挑战。首先，在预测过程当中怎样快速获得趋势轮廓，保证数据精准度。其次，在今后，越来越多的数据会呈现几何倍数增长，很难在其中找到具有价值的信息。与我们日常生活具有紧密相连的例子就是寻找监控视频当中有价值的信息。在数个小时或者是数天之间的视频监控录像当中，有价值的信息数据大概只是几秒钟。所以，人们如何才能够从如此大量信息数据当中发现人们生活所需求的信息价值呢？这也正是大数据预测当中所面临的挑战[3]。

（四）分类研究进度

对于大数据分析类来说，属于挖掘信息技术当中比较重要的一种方法。不管是哪一种数据，其分类问题都会值得人们关注，而大数据分类也会应用在社会各个方面当中。近些年来，我国大数据分类的研究会从简单的数据过渡到分布式数据中，各种算法也都跟随着大数据整体环境的改变而发生变化。因此，在分类算法当中也就会面临着十分严峻的挑战。在这样的背景之下，传统的分类方法也显然跟不上大数据发展的脚步，以机器学习为基准的大数据分类是我国现阶段研究的主要方向。在未来，相关数据分类的应用会比较显著。因此，大数据分类在各个领域当中都会面临着挑战。

结束语：总之，在当前科技不断发达的时代背景下，人工智能科技的广泛运用让人们的日常生活变得更加简单，并能够推动现代社会的发展。要想对高速发展的人工智能技术进行应用，大数据分析方法也就需要与时俱进，依据现有技术手段以及算法模型不断优化，使得人工智能技术的大数据分析方法具有更多发展空间，提高使用性能。

参考文献：

[1]费一鸣. 基于人工智能技术的大数据分析方法研究进展[J]. 电子测试，2022，36（06）：64-66.

[2]蔡敏. 基于人工智能技术的大数据分析方法研究进展[J]. 科技风，2022，（07）：58-60.

[3]冯延龙. 基于人工智能技术的大数据分析方法研究进展[J]. 软件，2021，42（11）：80-82.

[4]李晓敏. 人工智能技术的大数据分析方法探讨[J]. 河北农机，2021，（10）：79-80.

[5]何大安. 中国数字经济现状及未来发展[J]. 治理研究，2021，37（03）：5-15+2.

[6]程聪，王永根. 人工智能技术的大数据分析方法探讨[J]. 信息记录材料，2020，21（05）：128-130.

[7]王万良，张兆娟，高楠，赵燕伟. 基于人工智能技术的大数据分析方法研究进展[J]. 计算机集成制造系统，2019，25（03）：529-547.

姓名：母涵予  出生年月：1989.9.23 性别：女  民族：汉籍贯（省市）：辽宁省葫芦岛市 学历：研究生 职称/职务：助教  研究方向：人工智能