列舉數據挖掘領域的十大挑戰性問題

數據挖掘（Data Mining，DM）又稱數據庫中的知識發現（Knowledge Discover in Database，KDD），是目前人工智能和數據庫領域研究的熱點問題，所謂數據挖掘是指從數據庫的大量數據中揭示出隱含的、先前未知的並有潛在價值的信息的非平凡過程。數據挖掘是一種決策支持過程，它主要基於人工智能、機器學習、模式識別、統計學、數據庫、可視化技術等，高度自動化地分析企業的數據，作出概括性的推理，從中挖掘出潛在的模式，幫助決策者調整市場策略，減小風險，作出正確的決策。  

在ICDM2005前夕,美國的吳信東教授等人讓世界上這個方向的頂級專家(名單附下)列出了他們各自認爲數據挖掘研究領域的10大挑戰性問題,而後他們 總結這些專家的意見,得出了數據挖掘10大挑戰性問題的,頗有意義的哦,你們能夠根據這些挑戰性問題肯定本身從此的研究方向,也能夠看下本身的研究方向是 否在這10大問題中：

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 Data7\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