数据挖掘领域的10大挑战

 <b>1.Devaloping a Unifying Thcory of Data Mining</b>

   形成数据挖掘的统一理论，目前的数据挖掘都是为企业解决问题二使用，是点对点的，没有统一的理论。

<b>2.Scaling Up for High Dimensional Date/High Speed Streams</b>

   高维数据和高速数据流的同比列扩大

<b>3.Mining sequence data and time series data</b>

   时序和时间序列数据挖掘准确高效的进行趋势预测，消除噪音

<b>4.Mining complex knowledge from complex data</b>

   从复杂数据中挖掘复杂；图挖掘；网页，社交网络数据；数据挖掘和知识推理的结合

<b>5.Data mining in a Network setting</b>

   知识网络设置中的数据挖掘；网络社区和社交网络、计算机网络中的数据包

<b>6.Distributed data mining and mining multi-agent data</b>

   分布式数据挖掘和多智能体数据挖掘

<b>7.Data mining for biological and environmental problems</b>

   生物数据挖掘和环境问题；生物数据的挖掘，DNA，化学结构的3D结构

<b>8.Data mining process related problems</b>

   数据挖掘过程以及相关论题

   数据挖掘操作的组合，数据挖掘过程的自动化实现，带有日志功能的数据清理，挖掘自动化和可视化

<b>9.Security, privacy and data integrity</b>

   安全，隐私和数据完整性

<b>10.Dealing with non-static,unbalanced and cost-sensitive data</b>

    处理非静态、失衡的以及代价敏感的数据