第1章　数据挖掘研究进展

随着科学技术的不断发展，互联网在各行各业得到广泛应用，新的数据采集和获取技术不断涌现，网络数据呈现爆炸式增长的态势。面对海量数据，传统的数据处理方法已远远不能满足实际需求，出现了所谓的“数据丰富，信息贫乏”的问题。如何从历史数据中预测未来的发展趋势，以及从海量数据中快速发现有价值的信息，变被动的数据为主动的知识？这个问题迫使人们寻找新的、更为有效的数据分析方法来对各种数据资源进行有效的挖掘，以发挥其应用潜能。数据挖掘（Data Mining，DM）正是在这样的需求背景下应运而生的[1]。它的出现为智能地把海量数据转化为有用信息和知识提供了可能。数据挖掘作为一门新兴的交叉学科，涉及数据库技术、人工智能、机器学习、人工神经网络、统计学、模式识别、知识库工程、信息检索、高性能计算技术、可视化等领域[2]。多学科的相互交融和相互促进，使这一学科得以蓬勃发展，而且已初具规模。

本章主要介绍数据挖掘基本理论、存在的问题及研究现状。