【数据挖掘笔记十三】数据挖掘的发展趋势和研究前沿

13.数据挖掘的发展趋势和研究前沿

1、挖掘复杂数据类型，包括挖掘序列数据，如符合序列和生物学序列；挖掘图和网络；挖掘其他类型的数据，包括时间空间数据、信息物理系统数据、多媒体数据、文本和web数据，以及数据流。

2、数据分析提出广泛认可的统计学方法，如回归、广义线性模型、方差分析、混合效应模型、因素分析、判别分析、生存分析和质量控制。

3、数据挖掘的理论基础，基于数据归约、数据压缩、概率统计理论、微观经济学理论和基于模式发现的归纳数据库。

4、可视数据挖掘集成数据挖掘和数据可视化，以便从大型数据集中发现隐藏的、有用知识。可视数据挖掘包括数据可视化、数据挖掘结果可视化、数据挖掘过程可视化和交互的可视数据挖掘。听觉数据挖掘使用音频信号指示数据挖掘结果中的模式或特征。

5、特定领域的数据挖掘工具，包括金融、零售和电信业、科学与工程、入侵检测和预防，以及推荐系统。基于应用领域的研究把特定领域的知识和数据分析技术结合起来，并提供了特定用途的数据挖掘解决方案。

6、普适的数据挖掘是指数据挖掘出现在日常中，如购物、工作、搜索。在无形的数据挖掘中，智慧软件，如搜索引擎、顾客自适应web服务（如推荐算法）、电子邮件管理器等，把数据挖掘结合到它们的功能模块中，却不为用户所察觉。

7、数据挖掘带来的主要社会关注是隐私和数据安全问题。保护隐私的数据挖掘处理合法的数据挖掘得到的结果，而不泄露底层敏感的数据值。它的目标是保持数据挖掘结果的总体质量的同时保护隐私和确保安全。

8、数据挖掘的发展趋势包括新应用领域的探索，提高可伸缩性、交互性和基于约束的挖掘方法；数据挖掘与Web服务、数据库、数据仓库和云计算系统的集成；挖掘社会和信息网络。其他的趋势除了Web挖掘、分布式的和实时的挖掘、可视和听觉挖掘、数据挖掘中的隐私和安全性外，还包括时间空间数据、物联网系统数据、生物学数据、软件/系统工程数据、多媒体和文本数据挖掘。