1、當今社會是一個信息爆炸的時代，如何充分利用各種各樣的信息為人類服務已顯得越來越重要。作為一門新興的邊緣學科—數據挖掘受到了國內外的普遍關注，成為信息系統(tǒng)和計算機科學領域研究最活躍的前沿領域。 數據挖掘(DataMining，DM)是從大量數據中發(fā)現潛在規(guī)律、提取有用知識的方法和技術。己廣泛應用并產生了巨大的效益。本文在深入調研與分析國內外數據挖掘相關理論、應用和技術文獻的基礎上，詳細評述了基于分類數據挖掘的相關理論與技術，歸納總

2、結了該領域的主要研究內容和關鍵技術。并利用成績庫作為實驗數據，主要研究了數據挖掘過程中的以下幾個問題：數據挖掘項目開發(fā)過程模型、數據預處理中的數據質量分析標準、數值屬性的離散化算法和決策樹算法的改進。 本文的主要研究內容為： 1、研究與分析了數據挖掘系統(tǒng)開發(fā)所涉及的數據挖掘技術，數據挖掘方法論以及數據挖掘系統(tǒng)等相關理論的研究與應用現狀及發(fā)展趨勢。 2、針對目前的數據挖掘過程模型在實際應用中僅考慮數據挖掘技術，忽略

3、了項目的規(guī)劃、部署與數據挖掘技術協(xié)調的問題，在己有的數據挖掘過程模型基礎上提出了基于項目開發(fā)的數據挖掘過程模型，該模型將數據挖掘項目開發(fā)過程分為項目規(guī)劃、挖掘準備、挖掘和項目評估四個階段。詳細地描述了針對數據挖掘項目開發(fā)各階段(尤其是項目規(guī)劃階段)的具體任務，使數據挖掘技術能夠更好地應用解決問題。 3、完成基于數據挖掘分類技術的教務系統(tǒng)的研究與構建，驗證了基于項目的數據挖掘過程理論。針對成績庫數據中所存在的質量問題提供數據質量分