1、數據挖掘技術的發展現狀與應用綜述廣泛應用，因而該技術引起了人們的普遍關 法功能，特點，技術流程和簡介了數據挖掘的 布在企業網絡中不同站點的商業數據 作用。 隨時間變化的數據集合，用以支持經營管理中 (二)數據挖掘的原理數據挖掘(DM)就是從大量的、不完全的、有噪聲的、模糊的、隨機的數據 事先不知道的、但又是潛在有用的信息和知識的過 (三)數據挖掘的分類挖掘任務、挖掘方法與技術以及應用 列模式挖掘、聚類數據挖掘、分類數 數據挖掘等類型。各類數據挖掘任務不同，采用的 能 (一)自動預測趨勢和行為。數據挖掘自動在大型數據庫中尋找預測性信息， (二)關聯分析功能。數據關聯是數據庫中存在的一類重要的可被

2、發現的知 某種規律性，就稱為關聯。關聯可分為簡 網。(三)聚類功能。數據庫中的記錄可被化分為一系列有意義的子集，即聚類。 概念描述和偏差分析的先決條件。聚類技 (四)概念描述功能。概念描述就是對某類對象的內涵進行描述，并概括這 特征性描述和區別性描述，前者描述某類對象 (五)偏差檢測功能。數據庫中的數據常有一些異常記錄，從數據庫中檢測 方法是，尋找觀測結果與參照值之間有意義 (一)數據倉庫是面向主題的，它是與傳統數據庫面向應用相對應的。(二)數據倉庫是隨時間變化的。它表現在以下幾個方面：首先，數據倉庫而(三)數據倉庫是一致的和穩定的。數據倉庫所反映的是歷史數據的內容， (四)數據倉庫是一個集成

3、的信息源。原始數據與適合 DSS 分析的數據之間 (五)數據倉庫中存放的數據為信息數據，而專統數據庫中存放的數據為操 數據挖掘(Data Minin9 ，DM)技術可以幫助人們從大量的數據中智能地、自 (一)數據挖掘的一般過程。數據挖掘的過程一般可分為：數據選取、數據 (二)數據挖掘的常用方法。數據挖掘的常用方法主要包括：關聯分析，聚 (一)歸納學習方法的技術上 合論方法。信息論方法是利用信息論的原理建 獲得的知識表示形式是決策樹，所以般文獻中稱它 (二)仿生物技術法和遺傳算法。這兩類方法已經形成獨 也發揮了巨大的作用，我們將它們掃并為仿生 (三)公式發現法式。 (四)統計分析法行分析，能得到

4、各種不同的統計信息和 計、 (五)模糊數學法的復雜性越高，其精度的復雜性越高，其精確 強。利用模糊集合理論進行數據挖掘的方法 (六)可視化技術法 規律起到很強的作用。對數據挖掘過程可視 的效果。可視化方法有以下幾種：提取幾何 為數據挖掘產生的知識可以用于決策 域。數據挖掘技術與各個行業的有機結合體(一)在電信業中的應用(二)在金融經域中的應用(三)在商業零售中的應用(四)在工業生產中的應用(五)在生物與醫學中的應用景(一)改進數據挖掘算法。現有的數據挖掘算法由于歷史原因存在種種缺陷， (二) web 挖掘。隨著計算機硬件和軟件的升級， Web 數據的結構也將會發 (三)數據挖掘中的隱私保護與信息安全。任何事情都有其兩面性，數據挖 產畢財富的同時，隨之產生的就是隱私泄露和信息 的研究領域，商業利益強大驅動力將 都有新的數據挖掘方法和模型問世，人們對它的研 此