增量式挖掘，就是对于大数据集(数据库或数据仓库等)，当数据递增的时候，增量地更新数据挖掘结果，而不是对每次更新后的整个数据集进行挖掘。对于许多种类的大型数据库或数据仓库挖掘，增量数据挖掘是一个诱人的目标。本文主要研究了基于孤立点因子的增量式挖掘技术。 首先讲述了数据挖掘的基本概念和方法，介绍了数据挖掘研究的一般对象和典型应用；研究了聚类挖掘技术，说明了评价聚类的一般准则，简单介绍了现有的典型的增量挖掘方法，为进一步研究和学习积累了经验，明确了需求。 在现有的大多数聚类挖掘方法中，参数的影响较大，而且常常需要用户指定参数，参数的决定成为实际应用的一个难点。本文在研究基于密度的聚类算法的基础上，提出了基于孤立点因子的聚类算法，有效地解决了这个问题；并在此基础上，提出了增量式算法，用于增量的更新聚类结果。文中同时给出了孤立点因子聚类方法的有关概念，以及相应的算法描述，详细说明了算法思想和聚类过程。 最后，实验分析了基于孤立点因子的聚类算法的有效性，并与有关算法作了性能对比，实验说明了基于孤立点因子的聚类算法对于参数的健壮性；实验也简要分析了增量式算法的有效性和效率。