随着我国社会经济的发展,政府统计部门对企业上报的数据的要求越来越高,个别企业从自身利益出发存在着虚报、瞒报现象。如何甄别企业上报数据中的不真实数据进而保证数据质量成为统计领域亟待解决的课题。利用数据挖掘技术对海量数据进行异常数据的检测是一种可行的方法,但该技术在统计领域被研究得不多。本文围绕如何运用数据挖掘技术在人力资源统计数据中进行异常数据检测的自适应方法及应用展开研究工作。本文的主要研究工作有以下几点。首先,本文对数据挖掘技术和异常检测方法进行了梳理,重点对K-means和DBSCAN两个聚类算法进行了深入的研究。接着,提出了一种基于混合聚类的自适应异常检测方法。该方法改进K-means算法提供了自动计算合适K值的方法,结合了K-means和DBSCAN聚类算法的优点,实现参数的自适应,避免了人工干预。运用改进的K-means算法一次聚类计算DBSCAN算法的初始值,用DBSCAN算法二次聚类即可得到异常数据。最后,以本文提出的基于混合聚类的自适应统计数据异常检测方法为基础,开发了统计数据异常检测系统,该系统汇集上报数据并进行必要的处理后即可检测出异常数据。为解决数据源问题,开发了与该系统相配套的人力资源和工资统计信息系统。本文的研究工作较好解决了人力资源统计数据中存在的企业虚报、瞒报等问题,也为有效解决统计领域异常数据的检测问题提供了新的思路。