FORMIX和Oracle等以数据库为重要产品的大规模信息技术公司都在数据挖掘领域投入巨资进行研究,开发了不少产品。而SPSS、SAS等以统计为主要技术核心的软件公司也推出了自己的数据挖掘产品。Р数据挖掘的方法得到优化,数据挖掘的软件也越来越多,数据挖掘已经深入到人们生活和工作的方方面面。目前,该领域已经成为数据库、信息管理系统、人工智能及决策支持等相关领域的研究课题。Р1.2.2 数据挖掘发展趋势Р 当前,数据挖掘和知识发现的研究方兴未艾,其研究与开发的总体水平相当于数据库技术在70年代所处的地位,迫切需要类似于关系模式、DBMS系统和SQL查询语言等理论和方法的指导。而且最近有国内大型网站评比未来十大热门技术,数据挖掘占有一席之地。鉴于数据、数据挖掘任务和数据挖掘方法的多样性,研究的焦点可能会集中在以下几个方面:Р数据挖掘语言的设计;Р研究解决大型应用问题的数据挖掘技术;Р开发有效的数据挖掘方法和系统;Р构造交互的和集成的数据挖掘环境;Р数据挖掘与软件工程;РWeb挖掘,隐私保护和信息安全等;Р可视数据挖掘;Р基于群体智能的数据挖掘方法;Р与数据库系统、数据仓库系统和Web数据库系统的集成;Р生物数据、实时数据挖掘。Р1.3 本文的主要内容和组织Р1.3.1 本文的主要内容Р本文的目标就是在数据挖掘的背景下,在I-Miner环境下实现聚类分析算法,且比较各种聚类算法的优劣。主要内容有:Р 1. 在I-Miner中嵌入三种聚类分析算法。用S语言实现DBSCAN、FCM和CABOSFV三种聚类分析算法,嵌入到I-Miner中,建立数据挖掘模型。Р 2. 对比三种挖掘模型。通过三种挖掘模型,对实例进行挖掘,对比分析,得到三种聚类算法的优劣。Р1.3.2 本文的组织Р 全文分五章。Р第1章是绪论,概括地描述了数据挖掘的应用领域,简单地介绍了数据挖掘的研究现状及其未来的发展趋势。
全文预览
