数据挖掘(Data Mining)是数据库领域的热门研究课题之一,它是随着数据仓库的出现而发展起来的一种决策支持过程,主要基于人工智能(AI)、机器学习、统计学等技术,高度自动化地分析企业原有的数据,做出归纳性的推理,从中挖掘出潜在的模式,预测客户的行为,帮助企业的决策者调整市场策略,减少风险,做出正确的决策,其研究的主要目标是采用有效算法,从大量现有和历史数据集合中发现并找出最初未知、但最终可理解的有用知识,并用简明的方式显示出来.数据挖掘目前面临一系列的问题,方法单一,处理复杂问题能力有限,例如数据挖掘方法不能在不同的平台运行,不能提供足够多样的算法,没有友好人性化的用户界面,不允许用户更改数据集中的错误值或进行数据清洗等.采用Agent技术是解决所面临问题的有效方法.Agent是封装的计算机软件或硬件系统,它处于特定的环境中,有自己的目标,为了完成目标可以灵活、自主地适应环境,同时,Agent的动作反过来同样影响环境的状态.一般来说,单个Agent完成的功能是有限的,所以,多Agent系统的应用更加广泛.在多Agent系统中,Agent之间必须进行必要的交流,交换有关环境的信息.本文首先从Agent的基本理论出发,介绍了Agent的定义和一些主要特性,研究了Agent的结构和多Agent之间的通信,并从其思想和运行机制等方面与面向对象进行了比较.研究了数据挖掘常用的方法、技术和常用的工具.提出了多Agent系统的合作模型,设计出了基于多Agent合作模型的应用体系结构,运用Agent技术和数据挖掘技术提出了一种基于Agent的分布式数据挖掘模型,把Agent技术的思想和方法用于数据挖掘的过程中,扩展了数据挖掘技术的能力,提高了数据挖掘的效率.