摘要：在交易数据库的挖掘研究中,模式未来行为的预测已成为用户关注的焦点。通常是通过分析和挖掘历史交易数据库中的数据得到模式未来行为——频繁出现程度,以便帮助用户决策。为解决这类问题,设计一个基于回归法的算法挖掘一类新模型超期望模式。实验结果表明这种模式在模式评价和模式预测方面很有效,它同时为减少冗余规则提供了一种可行的方法。

摘要：多数据库技术的进步导致大量的多数据库系统的开发,为了决策的目的,许多跨国(省)公司急需挖掘他们那些分布在子公司的数据库.不过,现有的多数据库挖掘依然沿用单个数据库挖掘技术,即,首先将相关的数据库中的数据并入一个集合,然后挖掘这个集合,这会破坏一些有用的模型,像‘一个公司的70%子公司认为一个45-65的已婚顾客通常至少有2部车'.这种模型是有助于该公司的总体规划.另一方面,多数据库挖掘和单个数据库挖掘之间存在本质的不同.例如,多数据库挖掘要考虑总公司和子公司的多层次应用.在这个报告中,设计了一个多数据库挖掘过程及可能遇到的问题.同时也简要地论证了多数据库挖掘的重要性,多数据库挖掘和单个数据库挖掘之间的不同之处,以及现有的多数据库挖掘技术的缺陷.