数据挖掘综述

王梦雪
（成都理工大学，四川 成都 ６１００５９）

摘 　 要：随着计算机技术的迅猛发展，数据挖掘技术越来越受到世界的关注。从数据挖掘的概念出发，介绍了数 据 挖
掘的对象、功能及其挖掘过程，结合数据挖掘的几种常见挖掘算法：决 策 树 法、关 联 规 则 法 和 神 经 网 络 法 等，对 其 主 要
思想及其改进做了相关描述；总结了国内外数据挖掘的研究现状和应用，指出了数据挖掘的发展趋势。
关键词：数据挖掘；决策树法；关联规则法；神经网络法；研究现状；发展趋势
中图分类号：
ＴＰ３９　　　　　 文献标识码：
Ａ　　　　　 文章编号：
１６７２－７８００（
２０１３）
００１０－０１３５－０３

０　 引言
数据挖掘作为一个新兴的多学科交叉应用领域 ，正 在
各行各业的 决 策 支 持 活 动 中 扮 演 着 越 来 越 重 要 的 角 色 。
随着信息技术的迅速发展 ，各行各业都积累了海量异 构 的
数据资料。这些数据往往隐含着各种各样有用的信 息 ，仅
仅依靠数据库的查 询 检 索 机 制 和 统 计 学 方 法 很 难 获 得 这
些信息，迫切需要将 这 些 数 据 转 化 成 有 用 的 信 息 和 知 识 ，
从而达到为决策服 务 的 目 的 。 数 据 挖 掘 分 析 得 到 的 信 息
和知识现在已经得 到 了 广 泛 的 应 用 ，例 如 商 务 管 理、生 产
控制、市场分析、工 程 设 计 和 科 学 探 索 等。 数 据 挖 掘 是 一
个 多 学 科 领 域，它 融 合 了 数 据 库 技 术 、人 工 智 能、机 器 学
习、统计学、知识工程、信 息 检 索 等 最 新 技 术 的 研 究 成 果。
本文主要介绍了数据挖掘的几种主要算法及其改进 ，并 对
国内外的研究现状及研究热点进行了总结 ，最后指出 其 发
展趋势 ［
１］
。 样本来对数据分类和合并 ；偏差分析用于对对象中异 常 数
１　 研究背景
１　 数据挖掘
１．
目前数据挖掘是人工智能和数据库领域的研究 热 点 ，
数据挖掘是发现数 据 库 中 隐 含 知 识 的 重 要 步 骤 。 数 据 挖
掘出现于 ２０ 世纪 ８０ 年代末，早期主要研究从数 据 库 中 发
现知识（
Ｋｎｏｗｌ
ｅｇｄｅ　
Ｄｉｓ
ｃｏｖｅ
ｒｙｉ
　ｎ　
Ｄａｔａｂａ
ｓｅ，ＫＤＤ），数 据 挖
掘的概念源于 １９９５ 年在加拿大召开了第一届知识 发 现 和
数据挖掘国际会议 ［２］。数 据 挖 掘 作 为 一 种 多 学 科 综 合 的
产物，综合利用人工智能 、机器学习、模式识别、统 计 学、数
据库、可视化技术等，自 动 分 析 数 据 并 从 中 得 到 潜 在 隐 含
的知识，从而帮助决策者做出合理并正确的决策 。
２　 数据挖掘对象
１．
数据挖掘的对象可以是任何类型的数据源 ，可以 是 关
系数据库，此类包含 结 构 化 数 据 的 数 据 源 ；也 可 以 是 数 据
仓库、文本、多媒体 数 据、空 间 数 据、时 序 数 据、Ｗｅｂ 数 据，
此类包含 半 结 构 化 数 据 甚 至 是 异 构 型 数 据 的 数 据 源 ［２］。
发现知识的方法可 以 是 数 字 的 、非 数 字 的，也 可 以 是 归 纳
的，最终被发现了的知识可以用于信息管理 、查询优 化、决
策支持及数据自身的维护等 ［１］。
３　 数据挖掘功能
１．
目前数据挖掘的 主 要 功 能 包 括 概 念 描 述 、关 联 分 析、
分类、聚类和偏差检测等 。概念描述主要用于描述对 象 内
涵并且概括此对象相关特征 ，概念描述分为特征性描 述 和
区别性描述，特征性 描 述 描 述 对 象 的 相 同 特 征 ，区 别 性 描
述描述对象的不同特征 ；关联分析主要用来发现数据 库 中
相关的知识以及数 据 之 间 的 规 律 ，关 联 分 为 简 单 关 联、时
序关联、因果关联；分 类 和 聚 类 就 是 根 据 需 要 训 练 相 应 的
据的检测。
４　 数据挖掘过程
１．
数 据 挖 掘 主 要 分 ３ 个 阶 段 ：数 据 准 备 、数 据 挖 掘 、结
果的评价和表达。数据准备主要是完成对大量 数 据 的 选
择 、净 化 、推 测 、转 换 、数 据 的 缩 减 ，数 据 准 备 阶 段 的 工 作
好坏将影响到数据挖掘的效率和准确度以及最终模式的
有 效 性 ，在 数 据 准 备 阶 段 可 以 消 除 在 挖 掘 过 程 中 无 用 的
数 据 ，从 而 提 高 数 据 挖 掘 的 效 率 和 准 确 度 ；数 据 挖 掘 的 工
作 首 先 需 要 选 择 相 应 的 挖 掘 实 施 算 法 ，例 如 决 策 树 、分
类 、聚 类 、粗 糙 集 、关 联 规 则 、神 经 网 络 、遗 传 算 法 等 ，然 后
对 数 据 进 行 分 析 ，从 而 得 到 知 识 的 模 型 ；结 果 评 价 和 表 达
主要是确定知识的模式模型是否有效以便发现有意义的
模 型 ［３］。

作者简介：王梦雪（
１９８９－ ），女，成都理工大学信息科学与技术学院硕士研究生，研究方向为计算机网络与技术。
 · １３６ · 软 件 导 刊 　　　　　　　　　　　　　　　　　　　　　　２０１３ 年

高 Ａｐ
ｒｉｏ
ｒｉ算法的效率，可 以 减 少 对 数 据 库 的 扫 描 次 数 或
２　 数据挖掘主要方法 者减少不必要的频繁 项 目 集 的 生 成 ［１０］，对 Ａｐ
ｒｉｏ
ｒｉ算 法 的
改进主要方法有 ：① 基于划分的方法 ：其基本思想是：对 于
１　 决策树法
２． 整个交易数据库而 言 ，如 果 一 个 项 集 是 频 繁 项 集，那 么 它
决策树法是数据挖 掘 的 分 类 功 能 中 一 种 比 较 常 用 的 必然有这样的结果 ，即至少在一个分割的部分内它是 频 繁
方法。决策 树 法 起 源 于 概 念 学 习 系 统 ＣＬＳ，然 后 发 展 到 的；② 基于抽样的方 法：首 先 从 数 据 库 中 抽 取 一 个 样 本 并
ＩＤ３ 方法，
ＩＤ３ 算法是由 Ｑｕｉｎ
ｌａｎ 首 先 提 出，该 算 法 是 以 信 生成该样本的候选项集 ，当然希望这些项集在全局数 据 库
息论为基础，以信息熵和信 息 增 益 度 为 衡 量 标 准 。ＩＤ３ 算 中是频繁的，在接下 来 的 一 次 扫 描 中 ，算 法 将 统 计 这 些 项
法的主要思想是 ：首 先 计 算 各 属 性 的 信 息 增 益，然 后 选 取 集确切的支持度以 及 负 边 界 的 支 持 度 。 如 果 在 负 边 界 中
具有最高增益的属 性 作 为 给 定 集 合 的 测 试 属 性 。 所 以 造 没有一个是频繁的 ，那 么 算 法 将 找 到 所 有 的 频 繁 项 集 ，否
成 ＩＤ３ 用信息增益选择属性时偏向选择取值多的属性 ，但 则，负边界中的项集有可能是频繁项集 ；③ 增量更新 方 法：
是取值多的属性不 一 定 找 到 最 优 解 ，为 了 克 服 此 问 题，出 其基本思想是使用 该 技 术 来 对 所 发 现 的 频 繁 项 集 和 相 应
现了 改 进 算 法———Ｃ４．
５算法
［
４］
。Ｃ４． ５算法不但克服了 的关联规则进行维护 ，以便在数据库发生变化时避免 对 所
ＩＤ３ 偏向选择取值多的属性这 一 缺 点 还 实 现 了 对 连 续 属
， 有的频繁项集和相应的关联规则重新进行挖掘分析 ，即 只
性的离散化 处 理 和 对 不 完 整 数 据 的 处 理 。 虽 然 Ｃ４．
５算 对发生变化的那部分数据进行关联分析 ；④ 概念层次 的 方
法在速 度 和 预 测 精 度 等 方 面 占 有 优 势，但 是 由 于 Ｃ４．
５在 法；⑤ 基于 散 列 和 压 缩 技 术 的 方 法 ［１１］。 所 以 也 有 很 多 学
构造树的过程中，需要对数据集进行多次的顺序扫描 和 排 者对 Ａｐｒ
ｉｏｉ算法 进 行 了 改 进，例 如，对 Ａｐ
ｒ ｒｉｏ
ｒｉ的 改 进 算
序，导致该算法在 性 能 方 面 较 为 低 效 。 针 对 Ｃ４．
５算法效 法 Ａｐ
ｒｉｏ
ｒ ｄ 算法，在 Ａｐ
ｉＴｉ ｒｉｏ
ｒ ｄ算 法 中 仅 在 第 一 次 扫 描
ｉＴｉ
率不高的问题，很多 学 者 提 出 了 针 对 改 进 措 施 ：一 种 有 效 时 用 事 务 数 据 库 Ｄ 计 算 候 选 频 繁 项 目 集 的 支 持 度，其 他
的 Ｃ４．
５ 的改进模型 Ｒ－Ｃ４．
５，该 决 策 树 模 型 通 过 合 并 分 各次扫描用上一次扫描生成的候选数据库 Ｄ’来 计 算 候 选
类较差的分支，减少 了 无 意 义 的 分 支 进 一 步 的 划 分 ，有 效 频繁项目集的支持 度 ，减 少 了 Ｉ ／Ｏ 的 操 作 时 间，提 高 了 算
避免了碎片的产生 ，在 保 持 模 型 预 测 准 确 率 的 同 时，有 效 法的效率 ［８］，此 外，在 对 Ａｐ
ｒｉｏ
ｒｉ的 改 进 算 法 中 ，基 于 新 的
改进了树的健壮性 ［５］。而 从 Ｃ４．
５在连续值属性离散化方 数据结构和改进了的产生候选集的连接方法 ，也实现 了 对
面的局限性来看，Ｃ４．５ 算法在对连续值属性进行离散化处 事物挖掘上优 于 Ａｐ ｒｉｏ
ｒｉ算 法 的 效 率 １２ 。 针 对 Ａｐ
［ ］
ｒｉｏ
ｒｉ算
理时，为了找到较 好 的 划 分 点， ５算法需要测试所有潜
Ｃ４． 法的固有缺陷， Ｊ．Ｈａｎ 等提出了不产生候选挖掘 频 繁 项 集
在的划分信息增益，这样就大大降低了该算法分类的效率。 的方法：
ＦＰ－ｔｒｅ频集算法。ＦＰ－ｔ
ｅ ｒ
ｅｅ频 集 算 法 采 用 分 而 治
基于 Ｆａ
ｙｙｄ和 Ｉ
ａ ｒ ｉ对 Ｃ４．
ａｎ ５ 算法的 改 进，调 整 了 其 对 连 续 之的策略，第一遍扫描的过程中把数据库中的频集压 缩 进
值属性惩罚的基础，指定一个 阈 值 ａ，通 过 ａ 值 的 判 定 与 增 一棵频繁 模 式 树 （
ＦＰ－ｔ
ｒｅｅ），同 时 依 然 保 留 其 中 的 关 联 信
益率的判定，决定是否继续构造节点 ［６］。此外，考虑到有新 息，随后再 将 ＦＰ－ｔ
ｒｅｅ 分 化 成 一 些 条 件 库，每 个 库 和 一 个
样本添加到数据库中 的 情 况，按 照 Ｃ４．
５ 算 法，需 要 对 所 有 长度为 １ 的 频 集 相 关，然 后 再 对 这 些 条 件 库 分 别 进 行 挖
的样本进行重新学习，这样会造成大量时间的浪费，所以在 掘，当原始数据量很大的时候 ，才可以结合划分的方 法 ，使
此提出一种增量学习 方 法，最 大 限 度 地 保 留 决 策 树 中 的 原 得一个 ＦＰ－ｔ
ｒｅｅ可以放入主 存 中，实 验 表 明，
ＦＰ－ｇ
ｒ ｈ对
ｏｗｔ
本分支及分类结果，减少了计算量 ［７］。 不同长度的规则较之 Ａｐ ｒ
ｉｏｉ算法有巨大的提高 。
ｒ
２　 关联规则法
２． ３　 神经网络法
２．
关 联 模 式 中 最 著 名 的 是 Ａｐ ｒ
ｉｏｉ 算 法，它 是 由 Ｒ．
ｒ 神经网络具有结 构 复 杂 、网 络 训 练 时 间 长、结 果 表 示
Ａｇ
ｒａｗａ
ｌ 等人首先 提 出 来 的 ［
８］
，其 算 法 思 想 是：首 先 找 出 不容易理解等缺点 ，但其对噪声数据的高承受能力和 低 错
频繁性至少和预定义的最小支持度一样的所有频集 ，然 后 误率，神经网络具有 较 好 的 并 行 性 ，这 些 优 点 是 其 他 方 法
由频集产生强关联 规 则 。 最 典 型 的 例 子 就 是 沃 尔 玛 尿 布 所不及的，而且各种 网 络 训 练 算 法 的 陆 续 提 出 与 优 化 ，尤
和啤酒事件，在此例 中，商 家 就 是 利 用 统 计 这 两 种 商 品 在 其是各种网络剪枝 算 法 和 规 则 提 取 算 法 的 不 断 提 出 与 完
一次购买中共同出现的频数 ，将出现频数多的搭配转 化 为 善，使得神经网络在数据挖掘的应用中越来越受到大 家 的
关联规则 ［９］。Ａｐ
ｒｉｏ
ｒｉ算 法 的 实 现 是 通 过 对 数 据 库 Ｄ 的 多 青睐 ［１３］。其中使用较为广 泛 的 有 多 层 前 馈 式 （ｍｕ
ｌｔｉ
－ｌａｙｅ
ｒ
次扫描来发现所有 的 频 繁 项 目 集 。 在 每 一 次 扫 描 中 只 考 ｆ
ｅｅｄ－ｆ
ｏｒｗａ
ｒｄ）神经网络和后向传播（ ｂａ
ｃｋ－ｐｒ
ｏｐａｇａｔ
ｉｏｎ，ＢＰ）
虑具有 同 一 长 度 的 所 有 项 目 集 ，在 进 行 第 一 次 扫 描 中， 神经网络。多层前馈 式 神 经 网 络 迭 代 学 习 用 于 元 组 类 标
Ａｐ
ｒｉｏ
ｒｉ算法计算 Ｄ 中 所 有 单 个 项 目 的 支 持 度，生 成 所 有 号预测的一 组 权 重 ，而 ＢＰ 神 经 网 络 搜 索 一 组 权 重 ，这 组
长度为 １ 的频繁项 目 集；在 后 续 的 每 一 次 扫 描 中，首 先 以 权重可对数据建模 ，使得神经元组的网络类预测和实 际 类
Ｋ－１ 次扫描所生成的所有项目集为基础产生新的 候 选 项 标号之间的均方距离最小 ，可用于语言综合 、语音识 别、自
目集，然后扫描数据库 Ｄ，计算这些候选项 目 集 的 支 持 度 ， 适应控制等 ［１４］。现在已经提 出 来 一 些 神 经 网 络 方 面 的 数
删除其支持 度 低 于 用 户 给 定 的 最 小 支 持 度 的 项 目 集 ；最 据挖掘算法改进 ，用 以 弥 补 神 经 网 络 结 构 复 杂、网 络 训 练
后，生 成 所 有 长 度 为 Ｋ 的 频 繁 项 目 集。 重 复 以 上 过 程 直 时间长、结构表示不易理解等不足 ，比如，提出的基于 模 糊
到再也发现不了新的频繁项目集为止 。由此可见，若 要 提 神经网络的数据挖掘算法 ，把模糊理论和神经网络结 合 起
第 １０ 期 　　　　 　　　　　　　　　　　　　　　 王梦雪：数据挖掘综述 · １３７ ·

来构造、训练模糊神经网络 ［１５］。 掘是 “下一代 数 据 挖 掘”。 伴 随 着 数 据 的 增 多 ，需 要 处 理

的数据类型也变得越来越复杂 ，例如数据流、时间序 列、时
３　 研究现状 间空间、多媒体和文 本 数 据 ，虽 然 现 在 在 很 多 复 杂 数 据 类
型的挖掘方面取得了一些进展 ，但是在应用需求和可 用 技
随着海量数据的 增 加 ，大 数 据 时 代 的 到 来，导 致 人 们 术之间仍然存在较大的距离 。
对数据的研究和利用越来越多 ，其中数据挖掘技术的 不 断 数据挖掘中的隐私保护和信息安全 ：随着信息技 术 的
进步和发展 也 给 整 个 世 界 信 息 的 发 展 带 来 了 许 多 成 果 。 发展，越来越多的数 据 涌 入 了 网 络 ，其 中 包 括 大 量 电 子 形
在科学学领域方面 ，先进的现代化科学观测仪器的使 用 造 式的个人信息，而挖 掘 技 术 的 发 展 和 科 技 的 更 新 ，在 相 反
成每天都要产生巨量的数据 ，如各种同步卫星每小时 传 回 的一面上也使大量的个人信息受到了威胁 ，因此保护 隐 私
地球的遥感图像数据就达 ５０ 千兆字节。天文学上 有 一 个 的数据挖掘方法愈显重要 ［１６］。
很 著 名 的 应 用 系 统———ＳＫＩＣＡＴ，这 是 第 一 个 相 当 成 功 的
数据挖掘应用，也是人工智能技术在天文学和空间科 学 上 ５　 结语
第一批 成 功 的 应 用 之 一。 目 前，科 学 家 已 利 用 ＳＫＩＣＡＴ
发现了 １６ 个新的 极 其 遥 远 的 类 星 体。 在 市 场 营 销 方 面， Ｉ
ｎｔｅ ｔ的迅猛 发 展 使 得 网 络 上 的 各 种 资 源 信 息 异
ｒｎｅ
条形码技术在商业 上 的 普 遍 使 用 使 得 很 多 行 业 每 天 都 积 常丰富，而数据的迅速增加与数据分析方法的滞后之 间 的
累了大量数据，从市场营销来说，通过数据分析了解客户购 矛盾也越来越突出 ，人们希望在对已有的大量数据分 析 的
物行为的一些特征，对 提 高 竞 争 力 及 促 进 销 售 是 有 很 大 帮 基础上进行科学研 究 、商 业 决 策 或 者 企 业 管 理，而 数 据 挖
助。在金融投资方面，目 前 国 内 有 很 多 进 行 股 票 分 析 的 软 掘正是为了解决传统分析方法的不足 ，并针对大规模 数 据
件，并且定期有专家 进 行 股 票 交 易 预 测。数 据 挖 掘 技 术 还 分析处理而出现的 。数据挖掘技术的发展给科技的 发 展 、
可以应用在甄别诈骗 上，进 行 诈 骗 甄 别 主 要 是 通 过 总 结 正 经济的推动和每个人的生活都带来了巨大的便利 ，数 据 挖
常行为和诈骗行为之间的关系，得到诈骗行为的一些特征， 掘技术也被越来越多的行业和领域所采用 ，并取得了 很 好
这样当某项业务符合 这 些 特 征 时，可 以 向 决 策 人 员 提 出 警 的效果。
告。这方面比较成功的系统有 ＦＡＬＣＯＮ 和 ＦＡＩ
Ｓ 系统。在
参考文献：
Ｗｅｂ应用上，世界上最强大的搜索引擎 Ｇｏ ｏｇｅ相比其他 很
ｌ
多 搜 索 引 擎，它 的 搜 索 结 果 更 让 人 满 意，其 中 Ｇｏ
ｏｇｅ使 用
ｌ ［
１］　 王惠中，彭安群 ．数 据 挖 掘 研 究 现 状 及 发 展 趋 势 ［
Ｊ］．工 矿 自 动 化，
的搜索算法主 要 是 Ｐａ
ｇｅＲａｎｋ 算 法，在 ２００１ 年 ９ 月 被 授 予 ２０１１（
２）．
［
２］　 潘有能 ．
ＸＭＬ 挖掘：聚类、分类 与 信 息 提 取［Ｍ］．杭 州：浙 江 大 学 出
美国专利，
Ｇｏｏ
ｇｌｅ的 Ｐａ
ｇｅＲａｎｋ 是根据网站的外部链接和内
版社，
２０１２．
部链接的数量和质量两衡量网站的价值。
［
３］　 王桂芹，黄道 ．数据挖掘 技 术 综 述 ［
Ｃ］．全 国 第 １８ 届 计 算 机 技 术 与
应用（ Ｓ）学术会议论文集，
ＣＡＣＩ ２００７．
４　 数据挖掘发展趋势 ［
４］　 李会，胡笑梅 ．决 策 树 中 ＩＤ３ 算 法 与 Ｃ４．
５算法分析与比较［
Ｊ］．水
电能源科学，２００８，２６（２）：１２９－１３２．
现今，数据挖掘的发展趋势主要在以下几个方面 ： ［
５］　 刘鹏，姚正，尹 俊 杰 ．一 种 有 效 的 Ｃ４．５改进模型［
Ｊ］．清 华 大 学 学
报：自然科学版， ２００６（
４６）：９９６－１００１
数据挖掘语言的标准化 ：语言的标准化对于数据 挖 掘
［
６］　 刘佳，王新伟 ．一 种 改 进 的 Ｃ４． ５算法及实验分析［ Ｊ］．计 算 机 应 用
系统的开发 和 数 据 挖 掘 技 术 的 普 遍 使 用 是 至 关 重 要 的 。
与软件，２００８，２５（１２）：
２６０－２６２．
其可改进多个数据挖掘系统和功能间的互操作 ，促进 其 在 ［
７］　 程龙，蔡 远 文 ．数 据 挖 掘 Ｃ４．５算法的编程设计与增量学习改进
企业和社会中的使用 。 ［
Ｊ］．计算技术与自动化， ２００９，２８（４）：８３－８７．
［
８］　 颜雪松，蔡之华 ．一 种 基 于 Ａｐｒ
ｉｏｉ的 高 效 关 联 规 则 挖 掘 算 法 的 研
ｒ
数据挖掘的可视化 ：可视化要求已经成为数据挖 掘 系
Ｊ］．计算机工程与应用，
究［ ２００２（１０）：
２０８－２１２．
统中必不可少的技 术 。 可 以 在 发 现 知 识 的 过 程 中 进 行 很 ［
９］　 王光宏，蒋平 ．数据挖掘 综 述 ［Ｊ］．同 济 大 学 学 报，２００４，３２（２）：２４６－
好的人机交互。数据 的 可 视 化 起 到 了 推 动 人 们 主 动 进 行 ２５１．
知识发现的作用 。 ［
１０］　 罗可，吴 杰 ．一 种 基 于 Ａｐ
ｒｉｏ
ｒｉ的 改 进 算 法 ［
Ｊ］．计 算 机 工 程 与 应
２００１（
用， ２２）：２０－２２．
分布式数据挖掘：分布式技术的到来为日益增长 的 数
［
１１］　 陈燕 ．数据挖掘技术及应用［Ｍ］．北京：清华大学出版社， ２０１１．
据提供了有力支持 ，而分布式数据挖掘中将分布式技 术 和 ［
１２］　 刘华婷，郭仁 祥，姜 浩 ．关 联 规 则 挖 掘 Ａｐ
ｒｉｏ
ｒｉ算 法 的 研 究 与 改 进
数据挖掘技术的结合 ，也使对分离数据库的可协作数 据 挖 ［
Ｊ］．计算机应用与软件， ２００９，２６（１）：
１４６－１４９．
［
１３］　 刘钊，蒋良孝 ．基于 神 经 网 络 的 数 据 挖 掘 研 究 ［ Ｊ］．计 算 机 工 程 与
掘工作开发了一个重要领域 。
应用，２００４（
３）：１７２－１７４．
数据挖掘与数 据 库 系 统 和 Ｗｅｂ 数 据 库 系 统 的 集 成 ： ［
１４］　 毛国 君、段 立 娟 ．数 据 挖 掘 原 理 与 算 法 ［Ｍ］．北 京：科 学 出 版 社，
数据库系 统 和 Ｗｅｂ 数 据 库 已 经 成 为 信 息 处 理 系 统 的 主 ２００９．
流。数据挖掘系统的 理 想 体 系 结 构 是 与 数 据 库 和 数 据 仓 ［
１５］　 李良俊，张斌，杨明 ．一种基于 模 糊 神 经 网 络 的 数 据 挖 掘 算 法［
Ｊ］．
计算机工程， ２００７，
３３（
１２）：
６３－６５．
库系统的紧耦合 。
［
１６］　 ［加］韩家炜，堪博 ．数据挖 掘 概 念 与 技 术 ［Ｍ］．范 明，孟 小 峰，译 ．
挖掘复杂数据类型的新方法 ：挖掘复杂数据类型 是 数 北京：机械工业出版社，
２００７．
据挖掘的重要前沿研究课题 ，也有人称复杂类型的数 据 挖 （责任编辑：杜能钢）