该文从数据挖掘的系统结构入手,提出一个较为通用的数据挖掘系统框架RoboMiner.系统的目标是建立一个通用的数据挖掘工具,而不是为某一特定的应用而设计的.系统的知识挖掘过程对涉及的数据无既定的领域知识要求,因而可以用来处理不同领域的数据挖掘任务.RoboMiner系统为标准的能及其各模块之间数据流和控制流的走向进行了较为细致的分析,并依据这个框架,结合具体算法,设计了一个具有基本功能的数据挖掘软件环境,从而达到理论与实践相结合的目的.RoboMiner系统所具有的功能为:(1)数据挖掘语言的设计;(2)输入数据格式的多样性;(3)数据转换功能;(4)数据提取及数据库可视化;(5)数据净化;(6)关联规则发现;(7)聚类发现;(8)基于查询的知识发现;(9)挖掘结果的可视化;(10)知识表达和存储.实验表明,由于模块划分合理,所以系统具有较好的执行效率、易扩充性和易嵌入性.另外,该文同时对关联规则和聚类方面的挖掘算法进行了较深层次的探讨.通过对目前一些具有代表性算法的分析,指出其不足之处,并提出了改进算法DHPBS,JAFLR和EDB,通过分析和实验,证明了这些算法可以更快、更准确地挖掘出数据库中潜在的关系.