KDD(Knowledge Discovery in Database)指的是从大量的数据中提取隐含的、事先未知的、并且潜在有用的知识的技术,是目前国际上数据库和信息决策领域最前沿的研究方向之三.天才与勤奋是成功的秘诀,但具有同样天才与勤奋的人,在不同学科领域中取得的成就可能有较大的差异,那么成才究竟有哪些主要因素,正是该文所要研究的内容.数据库中知识发现根据对数据的分析建立对数据的特性以及数据之间关系描述的模式,利用这项技术对成才因素进行深入挖掘极有可能发现某些规律性的存在,对在大学中如何开展素质教育将有着重大指导意义.该文主要研究了数据库知识发现(KDD)中如下几个问题:两种KDD的理论工具-决策树和粗糙集;KDD的一种重要发现任务-分类规则发现;KDD分类器的构造和设计,以及KDD发现规则后结果可视化的问题.该文的主要成果如下:1.将KDD技术应用于成才因素分析,就其应用领域来说,尚属国内首创,该项研究成果将为开展素质教育提供有力的科学依据;2.提出了以ID3信息熵度函数为启发式函数对属性进行约简的数据预处理方法,该方法集成了属性和元组两种约简算法,提高了数据挖掘的效率;3.针对一般数据挖掘算法处理不一致数据的局限性,在深入研究KDD和粗糙集理论的基础上开发了一个挖掘系统原形QEMINING;4.选用了决策树和粗糙集两种算法对数据源进行挖掘,达到相互认证,使其挖掘结果更能反映客观规律;5.为了使得挖掘结果以更加简洁、直观的方式展示给用户,同时也便于用户分析,开发了一个可视化的三维图形平台;