数据挖掘综述

于慧凝

摘 要：数据采掘是数据库技术、人工智能、机器学习、统计分析、模糊逻辑、模式识别、人工神经网络等多个学科相结合的产物。最后探讨了数据挖掘的发展趋势，这对我国的数据挖掘研究具有一定的参考价值。

关键词：数据挖掘；发展前景

一、引 言

数据挖掘（DataMining），又称数据库中的知识发现（KnowledgeDiscovery in Database）， 数据挖掘从一个新的视角将数据库技术、统计学、机器学习、信息检索技术、数据可视化和模式识别与人工智能等领域有机结合起来，它能组合各个领域的优点，从而能从数据中挖掘到其他传统方法不能发现的有用知识。在最近几年里已被数据库界所广泛研究，随着计算机应用的越来越广泛，每年都要积累大量的数据，运用数据挖掘技术，在这些数据当中我们可以找出“金子”来。

二、数据挖掘应用

数据挖掘是面向实际应用的技术，现在已经广泛应用于金融、银行、农业、制造业、零售业、电信、医疗卫生、教育和生物科学等领域。在信息技术方面，将数据挖掘技术应用到搜索引擎领域，从而产生智能搜索引擎，将会给用户提供一个高效、准确的Web检索工具。在医疗卫生方面，探讨了各种数据挖掘方法在生物医学研究领域中的应用，可以用分类方法对疾病进行诊断，用神经网络、支持向量机等数据挖掘方法对某些疾病进行预测，研究表明，预测效果良好。在研究MRI乳腺非肿块样强化病灶对乳腺癌的诊断时，发现决策树模型的灵敏度、特异性和准确率等性能均优于传统统计学中的 logistic 回归模型。

三、数据挖掘发展趋势

目前数据挖掘技术的研究已成为国内外研究的热点，最近几年在国内发展迅速，今后该领域发展的趋势可能主要表现在以下几方面：

（1）随着互联网技术的发展，网络上的资源越来越多，如何通过数据挖掘技术对互联网上的资源进行挖掘，并从中发现有用的信息，将成为一个热点问题。Web 数据挖掘目前的研究虽然比较多，但是还有很多不足，需要进一步研究完善。

（2）數据挖掘算法的改进和数据挖掘可视化。数据挖掘算法一般要处理海量的数据，如何在算法效率和算法准确度之间寻找平衡点，是一个值得研究的课题。另外，数据挖掘结果的友好可视化展现也是一个重要的研究课题。

（3）多媒体数据挖掘。多媒体包含视频、音频、图像等，这些数据的结构往往比较复杂，传统的数据挖掘算法处理多媒体数据效果比较差。为了挖掘多媒体资源，需要设计和开发更好的数据挖掘算法。

（4）数据挖掘和隐私保护。数据挖掘的个人隐私与信息安全问题备受人们关注。误用和滥用数据挖掘可能导致用户数据特别是敏感信息的泄露，越来越多的人对此表示担忧，如何在不暴露用户隐私的前提下进行数据挖掘，将成为非常值得关注的研究课题。

（5）数据挖掘技术与其他系统的集成。数据挖掘应该是一个完整的过程，不单单是一个算法，为了将数据挖掘技术更好地应用于现实生活中，需要研究如何将数据挖掘与其他系统有机地集成，从而最大化地发挥数据挖掘的优势。

（6）空间和时序数据挖掘。空间数据库与关系数据库不同，空间数据库具有丰富的数据类型，带有拓扑、距离信息，空间数据有很强的局部相关性等特点。挖掘空间数据库需要特殊的数据挖掘方法。另外，有一类数据集的数据之间存在着时间上的关系，这类数据被称为时序数据。在对时列数据进行挖掘的过程中，必须考虑数据集数据间存在时间上的关系，如何高效地处理空间和时序数据，仍有大量问题需要解决。

（7） 适合中小企业使用的数据挖掘系统。目前国外著名的数据挖掘软件有：SAS Enterprise Min-er、SPSS Clementine（现被IBM收购并改名为IBMSPSS Modeler）和RapidMiner（开源）等 。除开源软件外，数据挖掘软件一般价格昂贵，中小企业往往望而却步。针对我国中小企业的特点，开发一套适合我国国情的数据挖掘软件具有重要的现实意义。

四、结束语

总之，数据挖掘只是一个工具，但不是万能的，它可以发现一些潜在的用户，但是不会告诉你为什么，也不能保证这些潜在的用户成为现实。数据挖掘的成功要求对期望解决问题的领域有深刻的了解，理解数据，了解其过程，才能对数据挖掘的结果找出合理的解释。例如曾经用数据挖掘找出的啤酒和尿布的例子，如何去解释这种现象，是应该将两者放在一起还是分开销售，这还需要对消费心理学有所研究才能做出决定，而不是数据挖掘能力所及的了。

参考文献：

[1]朱明.数据挖挖掘[M].合肥：中国科学技术大学出版社，2003.

[2]邵峰晶、于忠清.数据挖掘原理与算法[M].北京：中国水利水电出版社，2003.

[3]范明.数据挖掘概念与技术[M].北京：机械工业出版社，2001.

[4]夏火松主编.数据仓库与数据挖掘技术[M].北京：科学出版社.