第七章智能处理技术详解.ppt

* 现场智能阶段研究能够表现出智能行为的系统与环境之间的交互作用机制，系统与环境之间通过感知 — 动作与反馈机制，进行现场交互涌现出智能行为。社会智能阶段研究能够表现出智能行为的系统通过智能体社会的组织机制，以及与人的交互和合作机制，如社会智能的涌现等。 * 总结起来，数据、信息、知识、策略、智能之间的关系可以这样表述：信息是数据的语义；知识是对信息进行加工得到的抽象化产物；策略是知识加工的产物；智能是把信息加工成知识、进而把知识激活成解决问题的策略并在策略的引导下解决问题的能力。 * 在物联网这个开放复杂智能系统中，各式各样的传感器相当于人的感觉器官，它们获取周围世界的各种信息，这些信息可能来自不同的地点，关注不同的方面。由于这些信息是来自于某个或某些特定的传感器，它们在智能系统内部只能各自形成不同方面的知识。但是，这些知识互相补充，就形成一个群体性的知识，从而达到认识世界的目的。 * * 4. 实体联系模型(续) 7.3.2 数据模型(续) 为了解决信息孤岛问题，分布式数据库技术将工作由传统的集中模式转化为分散模式。 分布式数据库是指在物理上分布于计算机网络中，但在逻辑上相关的共享数据和数据描述的集合。分布式数据库管理系统(Distributed DBMS, DDBMS)是指用于管理分布式数据库并使分布性对用户透明的软件系统。 7.3.3 分布式数据库 7.3.3 分布式数据库(续) 优点 缺点 反映了组织结构 许多组织和部分都是自然地分布于各地 改进了共享性和本地自主权 一个结点的用户可以访问其他结点上的数据；用户可以对本地数据拥有本地控制权 改进了可用性 一个结点的故障或通信线路故障只会使某些结点不能被访问 提高了可靠性 数据可以被复制而存在于多个结点知识，所以一个结点的故障或通信线路故障不会妨碍对该数据的访问 改进了性能 需求最大的数据是放置在本地的，而且分布式数据库管理系统并行运行，访问分布式数据库要比访问远程集中数据库快 节约开销 小型计算机系统要比大型计算机更经济，而且能够获得相当的计算能力 模块化增长 在分布式环境中，扩展显得更加容易。新节点的加入，不会影响其他结点的操作 复杂性高 分布式数据库需要对用户隐藏它分布式的本质 维护成本高 分布式数据库管理系统的软件和硬件维护成本比集中式要高 安全性低 分布式数据库管理系统对网络访问的控制存在一定的安全隐患 更难以控制的完整性 分布式数据库管理系统中，完整性约束对通信和处理开销的要求几乎不可能实现 缺乏标准 分布式数据库需要有效的通信网络支持，但标准的通信和数据访问协议直到近些年才逐渐出现 缺乏经验 分布式数据库仍没有被广泛地接受，所积累的经验有限 数据库的设计更加复杂 分布式数据库的设计除要考虑集中式数据库设计所要考虑的所有问题外，还有考虑到数据分段、数据段的分配以及数据复制等问题 7.3.4 移动数据库 移动数据库是指便携式的、与集中式数据库服务器服务分离，但却能允许共享公共数据的远程结点与集中式数据库服务器保持通信的数据库。 7.3.5 数据仓库与数据挖掘 1. 数据仓库 (Data Warehouse，DW) 数据仓库是一个能支持管理部门决策过程的、面向主体的、集成的、时变的、非易失的数据集合。数据仓库的最终目标是将整个组织的数据集成到一个单一的存储中，在这里用户可以方便地进行查询、分析等 数据仓库数据处理流程 7.3.5 数据仓库与数据挖掘(续) 2. 数据挖掘与知识发现 数据挖掘（Data Mining, DM）从技术的角度讲，就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。 数据挖掘与知识发现只是叫法不一样，它们的含义基本相同，但一般认为数据挖掘是知识发现的一个处理阶段和关键步骤。 7.3.5 数据仓库与数据挖掘(续) 7.3.6 常见数据库产品 SQL Server 2008 7.3.6 常见数据库产品(续) Oracle RAC示意图 7.3.6 常见数据库产品(续) IBM DB2体系结构图 分布式人工智能(Distributed Artificial Intelligence，DAI，简称分布智能)是随着计算机网络、计算机通信和并发程序设计等技术的发展而产生的一个新的人工智能研究领域。同样，在物联网这个网络中，也需要应用分布智能来解决实际问题。 7.4 分布智能 7.4.1 分布智能概述 计算机网络，尤其是Internet等的出现，使人工智能的研究者们突然发现，这个大型的网络就