信息知识智能的转换和算法分析doc.doc

　毕 业 论 文（设计） 论文（设计）题目：信息、知识、智能的转换和算法分析 系 别： 专 业： 学 号： 姓 名： 指导教师： 毕 业 论 文（设 计） 开 题 报 告 系别:计算机与信息科学系 专业:网络工程 学 号 姓 名 蒙剑 论文（设计）题目 信息、知识、智能的转换和算法分析 命题来源 教师命题 □学生自主命题 □教师课题 选题意义(不少于300字): 随着信息技术的高速发展，数据库应用的规模、范围和深度不断扩大，已经从单台机器发展到网络环境。由于各种新型技术与数据库技术的有机结合，使数据库领域中的新内容、新应用、新技术层出不穷，形成了庞大的数据库体系，如商业条码的推广、企业和政府利用计算机管理事务的能力增强，产生了大规模的数据。而简单数据信息查询只是数据库内容的选择性输出，无论是查询、统计还是报表，其处理方式都是对指定的数据进行简单的数字处理，而不是对这些数据所包含的内在信息进行提取，因此它和人们期望的分析预测、决策支持等高级应用仍有很大的距离，人们希望能够提供更高层次的数据分析功能，自动和智能的将待处理的数据信息转化为有用的知识。 数据挖掘之所以吸引专家学者的研究和引起商业厂家的广泛关注，主要在于大型数据系统的广泛使用和把数据转换成有用的知识，推动社会进步，为企业提供能带来商业利润的决策信息使企业在市场竞争中立于不败之地。 研究综述(前人的研究现状及进展情况，不少于600字): Shannon信息论和人工智能理论分别于20世纪40年代和50年代相继产生，系统的知识理论却长期无人问津，成为一段理论空白。这种状况在信息论和人工智能理论发展的初期似乎并没有造成明显的问题，但是，随着研究的不断的深入，知识理论的空白就逐渐成为一种制约，信息论和智能理论的发展陷入受限的尴尬境地。 20世纪70年代，由于研究和建造专家系统的需要而出现了“知识工程”。然而，知识工程主要关注了知识的表示和知识的演绎推理的问题，至于如何获取专家系统所需要的知识，则几乎完全依靠专家系统设计者的手工操作。因此，知识工程没有能够形成完全的知识理论。与此同时，数据库系统的三个主要模式：层次、网络和关系型数据库的研究和开发取得了重要进展。20世纪80年代，关系型数据库及其相关的数据模型工具、数据索引及数据组织技术得到广泛采用，并形成了整个数据库市场的主导。事务数据库、主动数据库、知识库、办公信息库等技术也得到蓬勃发展。从20世纪80年代中期开始，关系型数据库技术和新型技术的结合成为数据库研究和开发的重要标志。 20世纪90年代，数据挖掘与知识发现应运而生。数据挖掘是一个多学科交叉研究领域，它融合了数据库技术、人工智能、机器学习、统计学、知识工程、面向对象方法、信息检索、高性能计算以及数据可视化等最新技术的研究成果。 基于统计学、人工智能、面向对象方法等在内的理论与技术成果已经被成功的应用到商业处理和分析中，这些应用从某种程度上为数据挖掘技术提出和发展起到了极大的推动作用。然而，作为人工智能系统研究的三大主流学派，结构主义、功能主义、行为主义方法各自在信息智能决策中取得了不少的进展和成果，但却是计算机科学研究中争议最多而又始终保持强大生命力的研究领域。在这样的背景下，我国著名信息学者、全信息创始人钟义信教授提出智能系统智能生成的共性核心机制：信息-知识-智能的转换。 “信息-知识-智能的转换”的研究方法将能够更好地为智能理论研究服务，在社会走向信息化和智能化的时代将为人类做出更大的贡献。 研究的目标和主要内容（不少于400字） 本选题将数据挖掘与机器知行学相结合，通过关联规则挖掘算法，从事务数据库中挖掘知识，实现信息、知识、智能的转换。 本选题研究内容如下： （1）对信息、知识、智能的转换理论体系结构及数据挖掘原理的应用进行探究。 （2）关联规则Apriori算法分析，Apriori算法的内容分析如下： 1）关联规则挖掘实现的基本思路：关联规则是用来揭示数据之间未知的相关依赖关系，通过设置支持度和置信度，生成所需要的数据信息。 2）Apriori算法的实施思想：掌握Apriori算法运算的基本思想，是实施Apriori算法应用实现的基础。 3）Apriori算法性能的分析：了解Apriori算法的优点和不足，为算法的改进优化具有重要意义。 4）Apriori挖掘算法的实现：根据关联规则Apriori挖掘算法的描述，用VisualC++编译器编写Apriori算法代码，并于一例子中实现。 5）对具有语义最小支持度的关联规则挖掘方法的探