图中显示了disease分类模型的分类剖面视图的部分。通过该视图，可以看出，分类1的血脂较高的人多，有冠心病的人多；而分类6的血脂普遍正常，且都没有冠心病。 五、展望
由于时间仓促，没能用SQL Server全面地分析实际数据，这是本文最大的不足之处。希望以后能有更多机会学习数据挖掘，并结合实际问题进行研究。将理论与实践结合起来，才能真正把数据挖掘理解得深刻、透彻。
数据挖掘是目前国际上数据库和信息系统最前沿的研究方向之一, 已引起了学术界和工业界的广泛关注,成为国际上一个研究热点。在国外许多领域如金融业、零售业等已成功地采用了数据挖掘来辅助决策,从而大大地推进了数据挖掘技术的实际应用。但是数据挖掘也面临着一些不可避免的问题, 如要求挖掘数据形式的多样性、数据挖掘算法的有效性与可测性、用户参与和领域知识、证实技术的局限、知识的表达和解释机制、知识的维护和更新、私有性和安全性、支持的局限及与其系统的集成等, 这些问题就是以后数据挖掘研究的方向。
目前对于聚类的研究虽然成果很多，但是还不够成熟，基本的理论方法还不够完善，对实际的应用也还不够广泛，还需要对其作进一步的研究：（1）继续进行理论上的研究，寻求在理论上的改进和完善，提高各种方法的性能以及对现实数据的应用能力。（2）寻求与其他学科的结合，寻找各学科之间的接口，完善现有的方法；并从其他学科获得一些启发，提出一些新方法，比如可以从代数拓扑中有关拓扑空间同伦等价的概念来研究聚类分析。（3）增强聚类分析的应用能力，将其更广泛的应用于实践，为我们的生产生活提供便利，真正发挥其效能。（4）挖掘算法应具有高度的可伸缩性， 即不论对于小数据集还是对于大数据集, 算法都应是有效的。（5）挖掘算法具有处理不同类型属性的能力，即既
可处理数值型数据, 又可处理非数值型数据的能力。（6）挖掘算法具有处理高维数据的能力，即既可处理属性较少的数据，又能处理属性较多的数据。（7）挖掘出来的信息是可理解的和可用的。这点是容易理解的, 但在实际挖掘中有时往往不能令人满意。
数据挖掘历史还不算长, 随着技术的不断进步, 人们有理由相信数据挖掘技术将不断得到充实和提高。
参考文献
[1] 王成, 王继顺.基于因子分析与聚类分析的学生成绩综合评价[J]. 联合大学学报( 自然科学版).2011.6
[2] (美) Pang-Ning Tan, Michael Steinbach, Vipin Kumar.《数据挖掘导论》.人民邮电出版社.2011
[3] 刘俊,刘希玉.关于数据挖掘中聚类分析的研究进展[J].网络安全.2010.8
[4] 童强, 周晓康.基于聚类分析的数据挖掘技术在设备故障模式识别中的应用[J] .兰州石化职业技术学院学报.2010.3
[5] 张红云,李萍萍.一种基于层次聚类的k 均值算法研究[J] . 《微计算机信息》(管控一体化).2010 年第26 卷第4-3 期
[6] 赵敏.聚类分析与朴素贝叶斯分类在客户价值预测中的应用研究[D]. 合肥工业大学,2010
[7] 王裕粟.基于数据挖掘的客户信用评级模型的设计与实现[D]. 电子科技大学,2010
[8] 狄明明,孙德山. 聚类分析和支持向量机在股票研究中的应用[J]计算机技术与发展, 2009,(06)
[9] 张俊妮.《数据挖掘与应用》.北京大学出版社.2009
[10]严华.一种改进的K-means算法[J].计算机与现代化.2009第1期 [11] 贺玲,吴玲达,蔡益朝.数据挖掘中的聚类算法综述[J].计算机应用研究.2007
[12] 朱建平.《数据挖掘的统计方法及实践》.中国统计出版社.2005
