随着数据库技术的成熟和数据应用的普及，大规模数据库和数据仓库的建立，人们开始面对“数据丰富，但信息贫乏”的挑战，要从海量的数据中发现有用的规律就需要用到数据挖掘技术。数据挖掘是从大量数据中挖掘出隐含的、先前未知的、对决策有潜在价值的知识和规则。这些规则蕴含了数据库中一组对象之间的特定关系，提出一些有用的信息，为经营决策、金融预测等提供依据。 本文重点研究数据挖掘中采用的神经网络算法问题。神经网络算法是数据挖掘技术中常用的一种算法，具有高正确率、抗噪声数据能力强等优势。SQL Server 20
对海量数据的处理一直是一个令人头痛的问题。分离的技术是所有设计者们首先考虑的问题，不管是分离应用程序功能还是分离数据访问，如果加以了合理规划， 都能十分有效的解决大数据表的运行效率低和维护成本高等问题。SQL Server 2005新增的表分区功能，可以对数据进行合理分区，当用户在访问部分数据时，SQL Server最佳化引擎可以根据数据的实体存放，找出最佳的执行方案，而不至于大海捞针。
