传统的数据挖掘基本上是一个本地的数据分析工具,仅能对本地数据集产生一定的理解性或概括性的知识。随着数据存储容量的不断扩大并向分布式方向发展,迫切需要更好的方式和工具来处理和发掘这些日益庞大的分布式数据。自二十世纪九十年代以来,多Agent系统(MAS,Multi-Agent System)逐渐成为分布式人工智能研究的热点,对许多学科与技术的发展产生了深远的影响。作者自2001年起参加湖南省自然科学基金资助项目《基于Web的GIS空间数据挖掘研究》(项目编号:00JJY2059)的工作,主要从事将MAS应用于分布式数据挖掘的研究。 本项研究旨在将MAS技术引入分布式数据挖掘并提出应用策略。论文首先总结分布式数据挖掘技术和多Agent技术;详细研究了MAS的一个具体实现—JAFMAS框架;然后设计并实现了一个基于多Agent框架的分布式数据挖掘(DDM)原型系统。该原型系统是构架于一个基于Java的多Agent系统框架(JAFMAS)之上,实现了在分布式环境中进行数据挖掘的功能。最后,论文针对在形成全局知识时发生决策冲突的情况提出了冲突协调算法。 本文分为三个部分:第一部分论述了数据挖掘的基础理论。首先,作者评述了数据挖掘领域目前的研究现状、前沿技术以及面临的挑战。随后,着重分析了决策树算法的理论背景以及实现步骤,并给出了C4.5算法的伪码实现。在第一部分的最后,论文讨论了分布式数据挖掘技术。论文在第二部分剖析了一个基于Java的多Agent系统框架(JAFMAS)的实现,在这个框架的基础之上,作者设计了一个用于分布式数据挖掘的多Agent原型系统。论文在这一部分中概括了多Agent技术的基本理论和组织结构。依据这些理论,论文针对在形成全局知识时发生决策冲突的情况提出了冲突协调算法。论文的第三部分是原型系统试验及试验结果分析部分。论文作者对该原型系统进行了一系列的反复试验。试验结果表明,该原型系统是不仅仅能够满足分布式数据挖掘的要求,而且相对于单纯的数据挖掘算法而言,该原型系统在分类精度、预测能力等上都有较大程度的提高。