数据挖掘领域的十大挑战问题

    数据挖掘（Data Mining，DM）又称数据库中的知识发现（Knowledge Discover in Database，KDD），是目前人工智能和数据库领域研究的热点问题，所谓数据挖掘是指从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程。数据挖掘是一种决策支持过程，它主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等，高度自动化地分析企业的数据，做出归纳性的推理，从中挖掘出潜在的模式，帮助决策者调整市场策略，减少风险，做出正确的决策。   

      在ICDM2005前夕,美国的吴信东教授等人让世界上这个方向的顶级专家(名单附下)列出了他们各自认为数据挖掘研究领域的10大挑战性问题,然后他们 总结这些专家的意见,得出了数据挖掘10大挑战性问题的,很有意义的哦,大家可以根据这些挑战性问题确定自己今后的研究方向,也可以看下自己的研究方向是 否在这10大问题中：

    1、Developing a Unifying Theory of Data Mining 
    2、Scaling Up for High Dimensional Data/High Speed Streams 
    3、Mining Sequence Data and Time Series Data  
    4、Mining Complex Knowledge from Complex Data 
    5、Data Mining in a Network Setting 
    6、Distributed Data Mining and Mining Multi-agent Data
    7、Data Mining for Biological and Environmental Problems 
    8、Data-Mining-Process Related Problems 
    9、Security, Privacy and Data Integrity 
    10、Dealing with Non-static, Unbalanced and Cost-sensitive Data