1、“.....如果是根据所处理数据特定类型分类，我们可以有空间时间序列文本或多媒体数据挖掘系统，或是数据挖掘系统。根据挖掘知识类型进行分类。数据挖掘系统可以根据所挖掘知识类型进行分类。即根据数据挖掘功能，如特征化区分关联分类聚类孤立点分析和演变分析偏差分析类似性分析等进行分类。个全面数据挖掘系统应当提供多种和或集成数据挖掘功能。此外，数据挖掘系统也可以根据所挖掘知识粒度或抽象层进行区分，包括概化知识在高抽象层，原始层知识在原始数据层，或多层知识考虑若干抽象层。个高级数据挖掘系统应当支持多抽象层知识发现。数据挖掘系统还可以分类为挖掘数据规则性通常出现模式和数据不规则性如异常或孤立点这几种。般地，概念描述关联分析分类预测和聚类挖掘数据规律，将孤立点作为噪声排除。这些方法也能帮助检测孤立点......”。

2、“.....数据挖掘系统也可以根据所用数据挖掘技术进行分类。这些技术可以根据用户交互程度例如自动系统交互探查系统查询驱动系统，或利用数据分析方法例如面向数据库或数据仓库技术机器学习统计学可视化模式识别神经网络等来描述。复杂数据挖掘系统通常采用多种数据挖掘技术，或是采用有效集成技术，结合些方法优点。类型进行分类。数据库系统本身可以根据不同标准如数据模型，或数据或所涉及应用类型来分类，每类都可能需要自己数据挖掘技术。这样，数据挖掘系统就可以据此进行相应分类。例如，如果是根据数据模型来分类，我们可以有关系事务面向对象对象关系或数据仓库数据挖掘系统。如果是根据所处理数据特定类型分类，我们可以有空间时间序列文本或多媒体数据挖掘系统，或是数据挖掘系统。根据挖掘知识类型进行分类。数据挖掘系统可以根据所挖掘知识类型进行分类。即根据数据挖掘功能......”。

3、“.....个全面数据挖掘系统应当提供多种和或集成数据挖掘功能。此外，数据挖掘系统也可以根据所挖掘知识粒度或抽象层进行区分，包括概化知识在高抽象层，原始层知识在原始数据层，或多层知识考虑若干抽象层。个高级数据挖掘系统应当支持多抽象层知识发现。什么是数据挖掘简单地说，数据挖掘是从大量数据中提取或挖掘知识。该术语实际上有点儿用词不当。注意，从矿石或砂子中挖掘黄金叫做黄金挖掘，而不是叫做矿石挖掘。这样，数据挖掘应当更准确地命名为从数据中挖掘知识，不幸是这个有点儿长。知识挖掘是个短术语，可能它不能反映出从大量数据中挖掘意思。毕竟，挖掘是个很生动术语，它抓住了从大量未加工材料中发现少量金块这过程特点。这样，这种用词不当携带了数据和挖掘，就成了流行选择。还有些术语......”。

4、“.....如数据库中知识挖掘知识提取数据模式分析数据考古和数据捕捞。许多人把数据挖掘视为另个常用术语数据库中知识发现或同义词。而另些人只是把数据挖掘视为数据库中知识发现过程个基本步骤。知识发现过程由以下步骤组成数据清理消除噪声或不致数据，数据集成多种数据可以组合在起，数据选择从数据库中检索与分析任务相关数据，数据变换数据变换或统成适合挖掘形式，如通过汇总或聚集操作，数据挖掘基本步骤，使用智能方法提取数据模式，模式评估根据种兴趣度度量，识别表示知识真正有趣模式，知识表示使用可视化和知识表示技术，向用户提供挖掘知识。数据挖掘步骤可以与用户或知识库进行交互。把有趣模式提供给用户，或作为新知识存放在知识库中。注意，根据这种观点，数据挖掘只是整个过程中个步骤，尽管是最重要步，因为它发现隐藏模式。我们同意数据挖掘是知识发现过程中个步骤。然而......”。

5、“.....数据挖掘比那个较长术语数据库中知识发现更为流行。因此，在本书中，选用术语是数据挖掘。我们采用数据挖掘广义观点数据挖掘是从存放在数据库中或其他信息库中大量数据中挖掘出有趣知识过程。基于这种观点，典型数据挖掘系统具有以下主要成分数据库数据仓库或其他信息库这是个或组数据库数据仓库电子表格或其他类型信息库。可以在数据上进行数据清理和集成。数据库数据仓库服务器根据用户数据挖掘请求，数据库数据仓库服务器负责提取相关数据。知识库这是领域知识，用于指导搜索，或评估结果模式兴趣度。这种知识可能包括概念分层，用于将属性或属性值组织成不同抽象层。用户确信方面知识也可以包含在内。可以使用这种知识，根据非期望性评估模式兴趣度。领域知识其他例子有兴趣度限制或阈值和元数据例如，描述来自多个异种数据源数据。数据挖掘引擎这是数据挖掘系统基本部分......”。

6、“.....用于特征化关联分类聚类分析以及演变和偏差分析。模式评估模块通常，此成分使用兴趣度度量，并与数据挖掘模块交互，以便将搜索聚集在有趣模式上。它可能使用兴趣度阈值过滤发现模式。模式评估模块也可以与挖掘模块集成在起，这依赖于所用数据挖掘方法实现。对于有效数据挖掘，建议尽可能深地将模式评估推进到挖掘过程之中，以便将搜索限制在有兴趣模式上。图形用户界面本模块在用户和数据挖掘系统之间进行通信，允许用户与系统进行交互，指定数据挖掘查询或任务，提供信息帮助搜索聚焦，根据数据挖掘中间结果进行探索式数据挖掘。此外，此成分还允许用户浏览数据库和数据仓库模式或数据结构，评估挖掘模式，以不同形式对模式进行可视化。从数据仓库观点，数据挖掘可以看作联机分析处理高级阶段。然而，通过结合更高级数据理解技术，数据挖掘比数据仓库汇总型分析处理走得更远......”。

7、“.....但是并非所有系统都能进行真正数据挖掘。不能处理大量数据数据分析系统，最多是被称作机器学习系统统计数据分析工具或实验系统原型。个系统只能够进行数据或信息检索，包括在大型数据库中找出聚集值或回答演绎查询，应当归类为数据库系统，或信息检索系统，或演绎数据库系统。数据挖掘涉及多学科技术集成，包括数据库技术统计学机器学习高性能计算模式识别神经网络数据可视化信息检索图像与信号处理和空间数据分析。在本书讨论数据挖掘时候，我们采用数据库观点。即，着重强调在大型数据库中有效和可伸缩数据挖掘技术。个算法是可伸缩，如果给定内存和磁盘空间等可利用系统资源，其运行时间应当随数据库大小线性增加。通过数据挖掘，可以从数据库提取有趣知识规律或者高层信息，并可以从不同角度来观察或浏览。发现知识可以用于决策过程控制信息管理查询处理，等等。因此......”。

8、“.....是信息产业中最有前途交叉学科。数据挖掘是个交叉学科领域，受到多个学科影响，包括数据库系统统计学机器学习可视化和信息科学。此外，依赖于所用数据挖掘方法，以及可以使用其他学科技术，如神经网络模糊和或粗糙集理论知识表示归纳逻辑程序设计或高性能计算。依赖于所挖掘数据类型或给定数据挖掘应用，数据挖掘系统也可以集成空间数据分析信息检索模式识别图形分析信号处理计算机图形学技术经济商业生物信息学或心理学领域技术。由于数据挖掘源于多个学科，因此在数据挖掘研究中就产生了大量各种不同类型数据挖掘系统。这样，就需要对数据挖掘系统给出个清楚分类。这种分类可以帮助用户区分数据挖掘系统，确定出最适合其需要数据挖掘系统。根据不同标准，数据挖掘系统可以有如下分类根据挖掘数据库类型进行分类......”。

9、“.....数据库系统本身可以根据不同标准如数据模型，或数据或所涉及应用类型来分类，每类都可能需要自己数据挖掘技术。这样，数据挖掘系统就可以据此进行相应分类。例如，如果是根据数据模型来分类，我们可以有关系事务面向对象对象关系或数据仓库数据挖掘系统。如果是根据所处理数据特定类型分类，我们可以有空间时间序列文本或多媒体数据挖掘系统，或是数据挖掘系统。根据挖掘知识类型进行分类。数据挖掘系统可以根据所挖掘知识类型进行分类。即根据数据挖掘功能，如特征化区分关联分类聚类孤立点分析和演变分析偏差分析类似性分析等进行分类。个全面数据挖掘系统应当提供多种和或集成数据挖掘功能。此外，数据挖掘系统也可以根据所挖掘知识粒度或抽象层进行区分，包括概化知识在高抽象层，原始层知识在原始数据层，或多层知识考虑若干抽象层。个高级数据挖掘系统应当支持多抽象层知识发现......”。