数据挖掘中常用的技术和方法有：人工神经网络、（）、近邻算法、规则推导。

参考答案：B

正确答案：D

正确答案：D
解析：本题考查应试者对数据挖掘基本概念的掌握。数据挖掘用到的是人工智能的理论和方法，人工神经网络、规则推导和遗传算法都位列其中，穷举法是对所有数据进行逐一考查和处理，而数据挖掘是发现大量数据背后的规则为目的，少量数据的遗漏并不能影响整体的结果，因此并不适用。故答案选D。

正确答案：B
解析：A项是根据挖掘任务对数据挖掘进行的分类。

正确答案：A
解析：B项是根据挖掘方法对数据挖掘进行的分类。

正确答案：ABCD

正确答案：聚类分析
聚类分析 解析：数据挖掘是从大型数据库或数据仓库中发现并提取隐藏在内的信息的一种新技术，目的是寻找数据间潜在的关联，为预测趋势和决策行为提供有用的信息。常用的数据挖掘方法有：关联规则挖掘、特征描述、分类分析和聚类分析。

正确答案：聚类分析
聚类分析 解析：聚类分析是将数据集分割为若干个有意义的聚簇的过程。聚类分析也称作无制导的学习。因为聚类分析与分类分析不同,它不依赖于没有事先确定的类,也没有带类标识的训练集。

正确答案：D
解析：数据挖掘是一类深层次的数据分析。常见和应用最广泛的数据挖掘方法如下。(1)决策树决策树方法是指利用信息论中的互信息(信息增益)寻找数据库中具有最大信息量的属性字段，建立决策树的一个结点，再根据该属性字段的不同取值建立树的分支；在每个分支子集中重复建立树的下层结点和分支的过程。国际上最早的、也是最有影响的决策树方法是Quiulan研究的ID3方法。(2)神经网络神经网络方法是指模拟人脑神经元结构，完成类似统计学中的判别、回归、聚类等功能，神经网络是一种非线性的模型，主要有三种神经网络模型：前馈式网络、反馈式网络和自组织网络。人工神经网络最大的长处是可以自动地从数据中学习，形成知识，这些知识有些是我们过去未曾发现的，因此它具有较强的创新性。神经网络的知识体现在网络连接的权值上，神经网络的学习主要表现在神经网络权值的逐步计算上。(3)遗传算法遗传算法是模拟生物进化过程的算法，它由三个基本过程组成：繁殖(选择)、交叉(重组)、变异(突变)。采用遗传算法可以产生优良的后代，经过若干代的遗传，将得到满足要求的后代，即问题得解。(4)关联规则挖掘算法关联规则是描述数据之间存在关系的规则，形式为“A1A2…An…B1B2…Bn”。一般分为两个步骤：求出大数据项集；用大数据项集产生关联规则。除了上述的常用方法外，还有粗集方法、模糊集合方法、BayesianBeliefNetords、最邻近算法(k-nearestneighborsmethod(kNN))等。无论采用哪种技术完成数据挖掘，从功能上可以将数据挖掘的分析方法划分为四种，即关联分析(Associations)、序列模式分析(SequentialPatterns)、分类分析(Classifiers)和聚类分析(Clustering)。(1)关联分析关联分析的目的是为了挖掘出隐藏在数据间的相互关系。若设R={A1，A2，…，AP}为{0，1}域上的属性集，r为R上的一个关系，关于r的关联规则表示为X→B，其中X∈R，B∈R，且X∩B=f。关联规则的矩阵形式为：矩阵r中，如果在行X的每一列为1，则行B中各列趋向于为1。在进行关联分析的同时还需要计算两个参数，最小置信度(Confidence)和最小支持度(Support)。前者用以过滤掉可能性过小的规则，后者则用来表示这种规则发生的概率，即可信度。(2)序列模式分析序列模式分析的目的也是为了挖掘出数据之间的联系，但它的侧重点在于分析数据间的前后关系(因果关系)。例如，将序列模式分析运用于商业，经过分析，商家可以根据分析结果发现客户潜在的购物模式，发现顾客在购买一种商品的同时经常购买另一种商品的可能性。在进行序列模式分析时也应计算置信度和支持度。(3)分类分析分类分析时首先为每一个记录赋予一个标记(一组具有不同特征的类别)，即按标记分类记录，然后检查这些标定的记录，描述出这些记录的特征。这些描述可能是显式的，如一组规则定义；也可能是隐式的，如一个数学模型或公式。(4)聚类分析聚类分析法是分类分析法的逆过程，它的输入集是一组未标定的记录，即输入的记录没有做任何处理。目的是根据一定的规则，合理地划分记录集合，并用显式或隐式的方法描述不同的类别。在实际应用的数据挖掘系统中，上述四种分析方法有着不同的适用范围，因此经常被综合运用。

正确答案：D
解析：本题考查对数据挖掘基本概念的理解。其中RSA为加密算法，不属于数据挖掘技术，其他三个选项皆是数据挖掘中用到的相关技术。