中国古陶瓷以其精湛技艺和所传达出的社会价值成为人类文明发展中璀璨的明珠。随着近年来大量古陶瓷器的出土、陶瓷业的迅猛发展以及对古陶瓷鉴别研究的强烈需求,古陶瓷断源断代研究成为当前的研究热点。目前最常用于古陶瓷断源断代分析的方法为传统经验鉴定方法和科学技术鉴定方法。传统经验鉴定方法主要依靠人的感官进行鉴别(又称目鉴),通过目测手摸去识别文物,存在着人类感官以及所依据经验的局限,容易受到主观因素的影响。科学技术鉴定方法主要依靠科技手段鉴别古陶瓷的年代、成份、产地等,科学技术鉴定法主要有元素组成分析方法、热释光分析法、X-射线荧光谱仪分析法等,但这种方法也存在着弊端,例如会造成古陶瓷完整性的破坏、鉴定时需要耗费大量的人力和财力。两种方法各有优劣,而通过数据挖掘技术对古陶瓷成分进行分析研究,寻找内在的联系与规律,可以弥补两种方法的不足。随着数据挖掘技术的快速发展,使得越来越多的学者将数据挖掘技术与各领域联系在一起,并形成了十分完善的理论研究体系。基于这些理论体系,我们在深入学习和研读数据挖掘书籍及相关领域的最新研究进展的基础之上,通过对所收集整理的古陶瓷化学成分进行数据分析,在古陶瓷断源断代的研究中应用反向传播神经网络(Error Back Propagation Neural Network,BP)﹑粒子群优化算法(Particle Swarm Optimization,PSO)、遗传优化算法(Genetic Algorithm,GA)﹑长短期记忆网络(Long Short Term Memory Network,LSTM)﹑随机森林(Random Forest,RF)这五种算法进行分析。在本文第三章中,分别使用BP神经网络建立古陶瓷分类模型,再使用遗传算法优化BP神经网络,实验结果显示GA-BP的分类精度和准确率明显高于BP神经网络模型。第四章介绍了基于粒子群算法优化BP神经网络的古陶瓷分类方法,第五章运用随机森林算法对古陶瓷断代分类,第六章所采用的是深度学习中的LSTM网络。实验结果说明LSTM网络模型在古陶瓷断源断代问题上的模型效果是最好的。但是,实验结果并没有达到完美的分类效果,研究中还有很多地方需要改进,且本文也仅仅使用了几种数据挖掘的技术,是否有其他模型更加适合古陶瓷断源断代问题,这还需要进一步的研究。