1. 什么是数据挖掘 数据挖
据挖掘的目的：提高市场决策能
的术语和定义：data mining, k
data archeology.
| 掘是从大量的数据中抽取出潜在的、
力；检测异常模式；在过去的经验基
nowledge discovery, pattern disc
| 不为人知的有用信息、模式和趋势。数
础上预言未来趋势等。 数据挖掘不同
overy, data dredging, knowledge,
| | 2. 数据挖掘支持技术 多技术的综合，Figure 1-2 |
3. 数据挖掘的概念和技术
| 数据挖掘的结果：分类；序列分析；
| 数据依赖分析；偏差检测 Figure 1-3
| Figure 1-10 Part I. Tech
| nologies for Data Mining
|
| * 体系：Figure 2-21，Figure 2-22，Figure 2-23 |
* 数据库、数据仓库与数据挖掘的关系：Figu
| re 3-10，Figure 3-11，Figure 3-12
|
* 统计推理：线性模型，非线性模型。线性回
ananlysis）技术用于分类；非线性技术用于估值
| 归用于预言；线性差别分析（linear discriminate
；抽样
| * 机器学习：active learn
习（concept learning）；神经
programming）
| ing; learning from prior knowled
元网络；遗传算法；决策树；归纳逻
| ge; learning incrementally。概念学
辑设计（inductive logic
| * 可视化：可视化表达数据挖掘结果；将数据
术；使用可视化技术steer数据挖掘过程。
| 挖掘技术应用于可视化；使用可视化技术完善数据挖掘技
| | * 并行处理：数据挖掘算法 + 并行处理技术 = 并行数据挖掘算法 |
| * 决策支持：Figure 4-6，Figure 4-7 |
| * 综合技术体系结构：Figure5-1（标准接口和接口定义语言），Figure5-3 |
| * 功能体系结构：Figure5-4，Figure5-5 |
* 系统体系结构：ODBC/COR
Figure5-11
| BA Figure5-8，Figure5-9，三层体
| 系结构Figure5-10，封装对象：
| Part II. Techniques and
| Tools for Data Mining
|
| * 数据挖掘项目： 需求；合适的数据；工具；人员；资金。 |
| o 超市分析交易数据，安排货架上货物摆布，以提高销售 |
| o 信用卡公司分析信用卡历史数据，判断哪些人有风险，哪些没有 |
| o 调查局分析行为模式，判断哪些人对受保护的信息具有潜在威胁 |
| o 药房分析医师的处方，判断哪些医师愿意购买他们的产品 |
| o 保险公司分析以前的客户记录，决定哪些客户是潜在花费昂贵的 |
| o 汽车公司分析不同地方人的购买模型，针对性地发送给客户喜欢的汽车的手册 |
| o 人才中心分析不同客户的工作历史，发送客户潜在的感兴趣的工作信息 |
| o 访问没有归类的竞争对手数据库，推断出潜在的归类信息 |
| o 教育学院分析学生历史信息，决定哪些人愿意参加培训，发送手册给他们 |
| o 核武器工厂分析历史核查信息记录，决定没有采用哪项预防措施将导致核灾难 |
| o 广告公司分析人们购买模式,估计他们的收入和孩子数目, 作为潜在的市场信息 |
| o 调查局分析不同团体的旅游模式，决定不同团体之间的关联 |
| o 医师分析病人历史和当前用药情况，不仅诊断用药而且预测潜在的问题 |
| o 税务局分析不同团体的交所得税的记录，发现异常模型和趋势 |
| o 调查局分析罪犯记录，推断哪些人可能会犯恐怖罪和大的谋杀罪 |
| * 数据挖掘的步骤：Figure 6-3，修剪结果：Figure 6-4；管理因素 |
| o Estimation： 例子，分析消费模型，估计个人收入和孩子数目 |
| o 预言 例子，根据个人教育、当前工作、行业趋势，预言2005年工资 |
| o Affinity Grouping（关联规则，Correlation ） |
o 异常检测 anomaly：frau
| d detection ; medical illness de
| tection …
|
o 自下而上bottom-up：直接（supervised le
| arning）- 提问；间接
|
| o market basket analysis: 智能搜索，超市 |
o link analysis, automatic cluster detec
| tion techniques ,nearest neighbor techniques
|
开发新的模型、框架：Stan
Rutgers University 目的：综
University，MITRE Corporatio
Rutgers University，数据挖掘
| ford University; MITRE Corporati
合数据挖掘和数据库管理 项目名称
n，Hitachi Corporation），开发支
查询语言
| on ; Hitachi Corporation ;
：Queryflocks （Stanford
持数据挖掘查询方法和优化技术。
| 挖掘不同类型的数据（多媒
Arizona；Feldman，Bar-Ilan U
Lab）；Clifton，MITRE Co.；U
；University of Minnesota
| 体） Text数据挖掘：Queryflocks；
niversity in Israel Image数据挖
niversity of British Columbia WE
| Cheng and Ng ，University of
掘：SKICAT，JPL（Jet Propulsion
B数据挖掘：University of Michigan
| 数据挖掘算法的可度量性：The Massive Digi
Machines Co.；SGI；IBM’s YorkTown Heights r
| tal Data System Project；Magnify Inc.；Thinking
esearch laboratory
| GTE Lab；Simon Fraser Un
| iversity；University of Massachu
| setts at Lowell
| IBM Quest project, Agarw
| alSimon Fraser University’s DBM
| INER, Han
|
| o Information Discovery: IDIS |
| o Neo Vista: DECISION SERIES |
| Part III. Trends in Data Mining |
| * 分布式数据库：Figure 10-1，Figure 10-2 |
| o 分布式数据挖掘：Figure 10-6，Figure 10-9 |
o 异质数据库挖掘：Figure 10-10，Figure 1
作数据挖掘，中间件 Figure 10-16
| 0-11，Figure 10-12，Figure 10-13，Figure 10-14 合
| o 遗留数据库挖掘：Figure
| 10-17，Figure 10-18，系统重建Fi
| gure 10-19
|
| * 两种方法：抽取结构，挖掘结构数据；直接挖掘多媒体数据 |
* 多媒体数据库：体系结构；数据建模；MM-D
；一致性和完整性。
| BMS 功能：数据操纵，事务管理，元数据管理；存储管理
| 半结构，非结构； 转换成
据挖掘与信息检索结合Figure 1
| 结构化数据，在结构化数据上挖掘（
1-11 开发直接挖掘非结构化数据的
| 文本—关系数据库）Figure 11-10 数
工具Figure 11-12
| Clifton 抽取元数据挖掘；
| Unusual pattern; classify, clust
| er, associate image
| | 转化Figure 11-14；直接挖掘Figure 11-15 |
| 与Video类似，Text转化Figure 11-16；直接挖掘Figure 11-17 |
与异质数据库类似，MDP Multimedia Distrib
综合Figure 11-19
| uted Processor 先综合后挖掘Figure 11-18, 先挖掘后
|
o 挖掘Web数据：Figure 12
| -6；Figure 12-7；Figure 12-8；Fi
| gure 12-9；Figure 12-10
|
| * mining , warehouse , inference |
| o mining and repository Figure 14-5 |
| o 中心容器Figure 14-8（数据库中的数据很难直接挖掘） |
1. 总结 Chap 1：引言 概念；结果，技术，
Part I ：支持数据挖掘的技术 Chap 2：数据库
和数据挖掘的结合 Chap 3：数据仓库 数据仓库定
和数据挖掘的关系 Chap 4：其他支持的技术：统
：数据挖掘不同的体系结构：技术；功能；Client
挖掘过程 例子（偏差分析/关联规则/分类等）；
：数据挖掘的结果（任务），方法和技术 结果-聚
策树/神经网络/逻辑归纳 Chap 8：逻辑归纳induc
；ILP作为数据挖掘技术及其缺陷 Chap 9：数据挖
解性/可度量性/大规模项目；商业工具 Part III
库 新的研究领域；问题；需要做的工作 Chap 11
的数据挖掘 – 文本/图象/视频/音频数据；方向
数字图书馆；WEB数据挖掘 – Internet数据库（
13：数据挖掘的安全和隐私问题 推论问题inferen
私问题 Chap 14：数据挖掘的元数据 元数据简介
| 方法；本书三层框架- 所涉及的技术，技术和工具，趋势
系统 数据模型；数据库体系结构；数据库功能；数据库
义、技术、功能；开发数据仓库；数据仓库、数据库管理
计、机器学习、可视化、并行处理、和决策支持 Chap 5
/Server Part II ：数据挖掘技术和工具 Chap 6：数据
数据挖掘的原因；数据挖掘步骤；用户接口方面 Chap 7
集/分类等；方法论-自顶而下/自下而上/混合；技术-决
tive logic programming 演绎逻辑编程；逻辑归纳编程
掘工具 研究原型-新的功能模型/新的信息服务/结果可理
：数据挖掘趋势 Chap 10：挖掘分布式、异质、遗留数据
：多媒体数据挖掘 多媒体数据库简介；在多媒体数据上
Chap 12：Web数据挖掘 Web数据管理；Internet数据库和
构建数据仓库和多媒体数据挖掘）/用户浏览模式 Chap
ce problem；处理推论问题的方法；逻辑归纳和推论；隐
；挖掘元数据；利用元数据挖掘数据
| | 标记数据,计算机处理,存储数据库,创建数据仓库,数据清洁,解决不确定性,格式化数据 |
| prune mining result,可视化,数据的可理解性 |
* Part III分布式,异质,遗留数据库/多媒体
| 数据/WEB数据/安全和隐私问题/元数据挖掘
|
| * 可度量性Scalability (大规模数据) |
* 数据挖掘是多技术的综合
| : 数据管理,机器学习,统计推理,高
| 性能计算,决策支持, 可视化
| | * 数据挖掘研究处于初级阶段 (98) : 期望不同的方法论和OO设计和分析技术的应用 |
|
