文档介绍：数据挖掘的发展和应用综述
文小燕杜海若摘要:本文介绍了数据挖掘的分类方法和目前采用较普遍的一些数据挖掘方法;分析、总结了数据挖掘技术在商业、Web挖掘、科学研究等几个主要领域的应用情况;综合论述了数据挖掘未来的发展趋势。
确化能力便越低,这就意味着模糊性越强。这是Zadeh总结出的互克性原理。利用模糊集合理论进行数据挖掘[4]的方法有:模糊模式识别、模糊聚类、模糊分类和模糊关联规则等。
(6)可视化技术[5]
可视化技术是一种图形显示技术。例如,把数据库中多维数据变成多种图形,这对于揭示数据中内在本质以及分布规律起到很强的作用。对数据挖掘过程可视化,并进行人机交互可提高数据挖掘的效果。可视化方法有以下几种:提取几何图元、绘制、显示和演放。

4 数据挖掘的应用和发展趋势

数据挖掘系统在社会生活的许多方而有着广泛的应用,这里我们主要介绍数据挖掘系统在商业、互联网和科学研究方面的应用。
(1)商业应用
电子商务应该是数据挖掘应用较早的领域。数据挖掘技术发展到今天,在商业中应用领域主要由有:市场营销、金融、银行、制造和通信等。目前,数据挖掘在零售、金融和通信领域的应用比较成熟,如在零售业中的顾客保持力分析、促销的有效性分析,在金融行业中的贷款偿还预测、客户信用政策分析等。随着人们对数据挖掘技术的不断深入研究,其在商业领域的应用也将更全面、更深入。
(2)Web挖掘
随着Internet的迅猛发展,今天它已成为各行各业人们交流思想、获取信息的便利手段。但是这些信息缺乏结构化、组织的规整性,随意地散布在因特网的各个角落,这已成为这座世界性图书馆的一大遗憾。而今天因特网的规模在急剧地扩大,其上的信息量也在爆炸般地增长,这时人们若小有意识地去寻求弥补该缺憾的有效途径,在小远的将来人们将迷途于信息的汪洋中。数据挖掘在Internet上的应用[6]包括:在搜索引擎上对文档进行自动分类、帮助寻找用户感兴趣的新闻以及利用数据挖掘设计一个电子新闻过滤系统。已利用文本学****建立起该用户的趋向模型,当用户进入一份电子报纸的网页时,该系统就会根据学****所得的模型对其中的每一篇文章与用户的兴趣的接近程度进行打分排序,使用户最先看到的是他最感兴趣的新闻。
(3)科学研究
数据挖掘在科学研究方面有着广泛的应用,科研工作者利用数据挖掘技术来促进、提高科研工作。数据挖掘在科学研究中的应用主要有生物研究、生物医学研究、气象研究、水文地质研究和考古等。下面从生物医学的角度介绍数据挖掘在科学上的应用[7]。数据挖掘非常适用于医学数据分析这类缺乏先验知识的多维数据分折,特别是在DNA分析、医学图像分析、老年性疾病及其并发症等领域。在DNA分析领域应用最为普遍,研究热点集中在DNA 序列间相似性搜索、多基因共同控制性状表达以及不同基因在疾病不同阶段的功能作用等问题;在医学图像分析研究中, 数据挖掘技术主要用于目标组织的特征表达, 即图像特征自动提取和模式识别。在一系列老年性疾病及其并发症的课题中, 利用数据挖掘技术对生理监护数据进行多维分析也是一类新的研究热点。随着老龄化问题的日益严重, 这方面的研究成果将直接带来巨大的社会效益。