文献_梁军胜案例分析.doc

北京理工大学软件工程专业 本科生毕业论文开题报告文献综述 学 号 1120122206 工 程 领 域 软件工程 姓 名 梁军胜 指 导 教 师 李志强 企业指导教师 二O一6 年 1 月 12日 课题国内外现状 随着信息技术的不断发展，合理、恰当、有效地运用信息技术，建设数字化的校园成为了学校建设的新的方向。如今数字化校园已经成为信息化教育的代名词。随着无纸化办公的深入，学校积累了大量的信息，包括各个学生的成绩，这些数据越来越多地积累在数据库中，如何从这些海量的数据中提取并发现有用的信息，为学校的教学提供参考依据，成为当前急需解决的问题。 早在1995年就有人提出了数据挖掘这一新型的数据分析技术，经过近20年的研究，数据挖掘技术得到了迅速的发展，并已经在各个行业得到了广泛的应用，为社会带来了很大的经济效益。 国外研究和发展现状 与数据挖掘（Data Mining）极为相似的术语——从数据库中发现知识（KDD）一词，首次出现在1989年8月在美国底特律召开的第11届国际人工智能联合会议的专题讨论会上。1993年以后，美国计算机协会（ACM）每年都举办了专门的会议研究讨论数据挖掘技术，会议名称为ACM SIGKDD International Conference on Knowledge Discovery and Data Mining，简称KDD会议，研究重点逐渐从发现方法转向系统应用，并且注重多种发现策略和技术的集成，以及多种学科之间的相互渗透。 1998年在美国纽约举行的第四届知识发现与数据挖掘国际学术会议上有30多家软件公司展示了数据挖掘软件产品，不少软件已经在北美和欧洲国家得到了广泛的应用，并且得到了明显的效益。其中一些典型的应用如加州理工学院喷气推进实验室与天文科学家合作开发的SKICAT系统，能够帮助天文学家发现遥远的类星体，是人工智能技术在天文学上的第一批成功应用之一；生物学研究中用数据挖掘技术对DNA进行分析；利用数据挖掘技术识别顾客的购买行为模式，对客户进行分析；对银行或者保险公司经常发生的诈骗行为进行预测。 国内研究和发展现状 与国外相比，国内对数据挖掘的研究起步稍晚，没有形成整体力量。1993年，国家自然科学基金首次支持数据挖掘领域的研究项目。目前，国内的许多科研单位和高等院校竞相开展数据挖掘和知识发现的基础理论及其应用研究，这些单位包括清华大学，中科院计算技术研究所，空军第三研究所，海军装备论证中心等。例如，复旦大学教授领导开发了数据挖掘工具集AMNER;北京大学智能科学系的唐世渭和杨冬青教授领导开发了基于空间数据挖掘的客户分析系统模型CASDM。此外周立柱教授领导的数据挖掘研究小组，四川大学唐常杰教授领导的针对时间序列方面的数据挖掘研究小组，中国科学技术大学蔡庆生教授领导的针对关联规则的研究小组等，都取得了许多重要的研究成果。 研究主要成果 基于人工神经网络的预测方法 目前关于人工神经网络，还没有一个明确、统一的定义，大家普遍公认的有，美国神经网络学家Hecht Nielsen提出的神经网络定义，“它是由其状态动态响应对外部的输入信息，从而处理信息的一种计算系统，这种系统由很多个简单的可以处理信息的神经元相互关系连接形成。”还有一种对神经网络的理解是它是由很多个简单的可以处理信息的神经元相互关系连接形成的系统，通过网络的结构，连接强度，各个神经元的工作方式的改变而得到不同的功能。不管怎么定义，有一点是肯定的，那就是人工神经网络是对人脑神经网络的结构和功能的抽象、简化和模拟而构成的一种信息处理系统。 神经元是构成神经网络的最基本单元。每一个神经元接收来自系统中其他一组神经元的输入信号，来自每个神经元的输入信号Xn对应一个权值Wn，所有输入神经元的信号和权值的加权(XW)决定了该神经元的激活状态。神经元的网络输入net通过激活函数获得输出信号，常见的典型的激活函数包括阶跃函数、S型函数、线性函数、非线性函数等。 单独的神经元功能单一，没有智能，而如果将大量的神经元按一定的结构组合到一起，形成庞大的神经网络系统，就能够实现信息的处理与存储等复杂的功能。根据神经元之间的不同的网络拓扑结构和连接方式，可以将神经网络分为层次型和互连型神经网络。按照学习方式的不同可以将神经网络分为有导师学习、无导师学习以及等级学习三种类型。有导师学习所需要的信息量大，对于每一个输入，网络都要产生一个实际输出，在学习期间需要给网络同时提供输入和期望输出。BP网络就是有导师学习的例子；无导师学习仅需要输入信息便能进行学习，并且给出相应的输出，其方式取决于特定的网络。典型的如自组织映射网络和自适应共振理