陶瓷发展史是中华文明史的一个重要组成部分,其所蕴含的历史及社会价值是无法估量的。现今,随着陶瓷行业的快速发展,对陶瓷原料分类及古陶瓷断源断代研究,已成为陶瓷领域研究的热点之一。就传统的陶瓷原料分类方法和鉴定方法而言,陶瓷原料分类及古陶瓷断源断代研究多集中于常用的两种方法:一种是传统的手工鉴定方法,也即通过目测手摸等方法区分古陶瓷的年代及陶瓷类别;另一种是基于某种科技手段,通过提取出陶瓷表面的化学成分(如釉的成分)来识别出陶瓷所属时期及类别。上述两种方法各有优缺点,很多时候结合使用并应用于相关研究工作中,以弥补两种方法的不足之处。此外,考虑到陶瓷原料以及古陶瓷化学成分的种类繁多、结构复杂、成分多样,传统化学实验分析的精确度低、耗时耗力,人们已经开始使用许多新的科技手段,来提高陶瓷原料分类及古陶瓷断源断代分类效果。当前,数据挖掘方法应用于陶瓷领域的相关研究工作,已经取得不少新颖的研究成果。如人工神经网络﹑进化计算等均已在陶瓷原料分类及古陶瓷断源断代研究中实现了较好的预测结果。基于众多学者的前期研究工作,作者在深入分析研究数据挖掘类相关类方法的基础上,通过对提取的陶瓷原料和古陶瓷的化学组成成分进行数据分析,寻找它们之间存在的联系和规律,将神经网络﹑遗传优化算法﹑支持向量机﹑随机森林这四种算法应用于陶瓷原料分类和古陶瓷断源断代分类。本文第三章,通过BP神经网络算法建立模型对陶瓷原料进行分类,第四章通过建立遗传算法优化BP神经网络的模型来对陶瓷原料进行分类,实验结果显示GA-BP的分类精度和准确率明显高于BP神经网络模型。第五章、第六章运用支持向量机和随机森林两种算法对古陶瓷进行断源断代分类,实验结果表明随机森林的预测精度要高于支持向量机。虽然,实验预测结果离理想的分类效果还有一定的差距,但作为数据挖掘方法在陶瓷原料分类和古陶瓷断源断代分类中应用实践,本文旨在为更多后继研究者提供一种理论及实践中的科学指导作用,从而丰富数据挖掘方法在陶瓷领域中的研究工作,并进一步弥补传统分类方法中存在的不足之处。