1、隨著計(jì)算機(jī)網(wǎng)絡(luò)和數(shù)據(jù)庫(kù)技術(shù)的進(jìn)一步發(fā)展，分布式計(jì)算環(huán)境的普遍存在促使分布式數(shù)據(jù)挖掘技術(shù)成為當(dāng)今的一大研究熱點(diǎn)。在實(shí)際的分布式環(huán)境中，數(shù)據(jù)不僅在物理上是分散的，而且具有背景異質(zhì)性，現(xiàn)有的分布式數(shù)據(jù)挖掘技術(shù)能夠?qū)ξ锢砩戏稚⒌臄?shù)據(jù)進(jìn)行處理和分析，卻沒(méi)有解決背景異質(zhì)性的問(wèn)題，因而其應(yīng)用范圍受到局限。本文以水平分布式數(shù)據(jù)的背景異質(zhì)性為研究對(duì)象，通過(guò)量化的測(cè)試這種背景異質(zhì)性對(duì)具體分類(lèi)算法，全局錯(cuò)分率和局部錯(cuò)分率的相對(duì)變化進(jìn)行了研究。主要內(nèi)容包括：

2、 ⑴介紹了數(shù)據(jù)挖掘技術(shù)發(fā)展歷史，國(guó)內(nèi)數(shù)據(jù)挖掘應(yīng)用商務(wù)智能市場(chǎng)的發(fā)展背景和趨勢(shì)，以及國(guó)內(nèi)外分布式數(shù)據(jù)挖掘研究現(xiàn)狀，課題來(lái)源和課題研究?jī)?nèi)容。 ⑵以數(shù)據(jù)挖掘的定義，過(guò)程以及對(duì)象為基礎(chǔ)，研究了分類(lèi)學(xué)習(xí)的兩個(gè)基本過(guò)程，基于交叉驗(yàn)證法建立分類(lèi)學(xué)習(xí)器，用錯(cuò)分率評(píng)估其準(zhǔn)確性能的方法。分布式數(shù)據(jù)挖掘的發(fā)展需求和技術(shù)框架，探討了分布式計(jì)算環(huán)境中，數(shù)據(jù)分散存儲(chǔ)和水平分布的特點(diǎn)。 ⑶通過(guò)具體的商業(yè)虛擬企業(yè)水平分布式數(shù)據(jù)的特點(diǎn)研究，提出數(shù)據(jù)

3、源之間的差異為背景異質(zhì)性的概念；確定研究的對(duì)象是水平分布式數(shù)據(jù)的背景異質(zhì)性，并根據(jù)問(wèn)題研究對(duì)象確定了研究思路和方案，軟件系統(tǒng)模型，最終建立問(wèn)題研究的分析系統(tǒng)。 ⑷基于客戶(hù)購(gòu)買(mǎi)行為和心臟病診斷兩個(gè)水平分布式實(shí)例數(shù)據(jù)集必要的預(yù)處理，參照交叉驗(yàn)證的方法確立軟件系統(tǒng)分析方案，通過(guò)分析系統(tǒng)測(cè)試，分別對(duì)貝葉斯分類(lèi)學(xué)習(xí)算法，函數(shù)分類(lèi)學(xué)習(xí)算法，惰性分類(lèi)學(xué)習(xí)算法和基于規(guī)則分類(lèi)學(xué)習(xí)算法的全局錯(cuò)分率和局部錯(cuò)分率進(jìn)行對(duì)比分析，最后，由此總結(jié)出四個(gè)數(shù)據(jù)背