随着数据采集手段的提高,很多行业都存在大量的数据,人们迫切地需要将这些数据转换成有用的信息和知识;作为实现这个转换的重要途径,数据挖掘引起了社会各界的极大关注。据国外专家预测,在今后的5—10年内,随着数据量的日益积累以及计算机的广泛应用,数据挖掘将在世界范围内形成一个巨大的产业。　　数据挖掘中一个重要的应用就是异常点挖掘,异常点可能是“脏数据”,也可能是与实际对应的有意义的事件。从知识发现的角度看,在某些应用里那些很少发生的事件往往比经常发生的事件更有趣、也更有研究价值。因此,异常数据的检测和分析是一项重要且有意义的研究工作。　　本文主要的工作可以概括为以下四个方面:　　第一、主要综述了异常点数据挖掘的各种算法,并对它们的性能进行了比较,从中可以得到一些在实际应用中非常有用的结论,为开发实际的算法奠定基础;　　第二、分析了数据挖掘中常用的聚类算法,通过一些样本数据集对一些算法进行了实际效果的评价;　　第三、在小波分析的基础上对数据集的聚类以及异常点进行了分析。　　第四、基于小波分析的聚类算法和异常点分析。