曹 宁 高 莹 徐根祺

（1.西京学院 工程技术系，陕西 西安710123；2.日立永济电气设备〈西安〉有限公司，陕西 西安710016）

1 数据挖掘的应用背景

随着数据库技术的不断发展及数据库管理系统的推广应用，存储在数据库中的数据量急剧增大， 大量数据背后必定蕴藏着许多信息，如何从数据库中抽取出有用信息逐渐成为商业界普遍关心的问题。数据挖掘的概念为解决这一问题而提出并在近年来引起学术界的广泛关注，成为学术研究的热点。

数据挖掘，又称数据库中的知识发现，是指从大型数据库或数据仓库中提取隐含的、未知的、非平凡的及有潜在应用价值的知识或模式，它是数据库研究中的一个很有应用价值的新领域，融合了数据库、人工智能、机器学习、统计学等多个领域的理论和技术。

数据挖掘的任务是从大量的数据中发现模式或知识。模式按其作用可分为两类：一类称为描述型模式，它是对数据中存在的规律做出描述。 如泛化模式、聚类模式、关联模式及时间序列模式。 另一类是预测型模式，它依据从己有数据获得的知识对未知数据的某些性质进行预测。包括分类模式和回归模式。其中，分类模式是一种重要的预测型模式。

用于挖掘分类模式的方法有很多，如决策树方法，贝叶斯网络，遗传算法，基于关联的分类方法，粗糙集，k-最临近方法，等等。其中决策树方法以其易被人理解、需要信息觅少、效率及准确率较高等优点占据着重要地位。……