数据挖掘与人工智能技术.docxVIP

数据挖掘与人工智能技术 人工智能目前在各个领域的发展都得到了极大的应用 , 数据 挖掘就是其中之一。 数据挖掘使用的技术和方法广泛来自人工智 能, 其在应用领域的应用得到了巨大收益。本文综述了人工智能 和数据挖掘的产生、发展及其相互联系。 一、人工智能的发展 首先, 对于人工智能是什么这个问题――也就是对人工智能 的定义,我们还是比较难以统一的。 在本文中 ,我们只是讨论性质 的, 应此并不要求严格定义。因而 ,我们尽可能涉及到多种理解。 就目前对人工智能的定义大多可划分为四类 , 即机器“像人一样 思考”、“像人一样行动”、 “理性地思考”和“理性地行动”。 这里“行动”应广义地理解为采取行动 , 或制定行动的决策 , 而 不是肢体动作。人工智能是在计算机科学、控制论、信息论、神 经心理学、哲学、语言学等多种学科研究的基础上发展起来的。 它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、 技术及应用系统的一门技术科学。 在 1956 年的达特矛斯会议上 , 由麦卡锡提议正式采用了 “人工智能”这一术语。 随后人工智能的研究取得了许多引人注 目的成就。例如 ,1956 年塞缪尔研制出了跳棋程序 ,6 年之后击败 了一个州的跳棋冠军 ;1957 年, 纽厄尔、肖和西蒙研制了逻辑定 理理论机的数学定理证明程序 ;1958 年, 麦卡锡建立了行动规划 咨询系统 ;1997 年 ,IBM 公司制造的“深蓝”号计算机系统战胜 了国际象棋大师卡斯帕罗夫等。 人工智能早期的研究领域有 : 专家系统、机器学习、模式识 别、自然语言理解、自动定理证明、自动程序设计、机器人学、 博弈、人工神经网络等 ;目前已涉及到以下研究领域 : 数据挖掘、 智能决策系统、知识工程、分布式人工智能等。其中数据挖掘的 出现使得人工智能的研究在应用领域得到了广泛的发展。 二、数据挖掘 DM数据挖掘）是揭示存在于数据里的模式及数据间的关系 的学科 , 它强调对大量观测到的数据库的处理。它是涉及数据库 管理,人工智能 ,机器学习,模式识别 ,及数据可视化等学科的边 缘学科。该领域对商业 ,工业,及科学研究都有极大的影响 , 且提 供了大量的为促使新方法的发展而进行的研究工作。 三、数据挖掘与人工智能技术的联系 在此前, 多数人认为数据挖掘是人工智能的一个分支。 因为, 在人工智能的研究中诞生了数据挖掘 , 数据挖掘中的重要理论都 来自于人工智能的最基本的理论。 其中最基本的三种技术知识表 示、知识推理、搜索在数据挖掘中得到了体现。然而 , 随着数据 挖掘的发展 , 我的看法是 :数据挖掘本身已经成为一个独立的系 统,它和人工智能固然有联系 ,但不是从属关系。 数据挖掘本身内 容丰富 , 理论方面除了和人工智能、机器学习外 , 和统计分析、 OLAR决策支持系统及专家系统等都有联系；应用方面除了 web 挖掘,还有文本挖掘、 数据库挖掘、 序列模式挖掘等等 ;数据挖掘 本身的分类、关联规则、聚类等算法都博大而精深。将数据挖掘 从人工智能里面独立出来 , 有助于我们更好的研究数据挖掘。 四、展望 目前人工智能存在以下几个发展趋势 : 更新的理论框架 目前人工智能的研究棉铃很多困难 , 我们需要寻找和建立更 新的人工智能框架和理论体系。 更好的技术集成 要集成的信息技术除数字技术外 , 还包括计算机网络、远程 通信、数据库、计算机图形学、语音与听觉、机器人学、过程控 制、并行计算、量子计算、光计算和生物信息处理等技术。 更成熟的应用方法 人工智能方法必须支持人工智能系统的开发实验 , 并允许系 统有组织地从一个较小的核心原型逐渐发展为一个完整的应用 系统。 目前数据挖掘存在以下几个发展趋势 : 性能方面 :数据挖掘涉及的数据量会更大 ,处理的效率会 更高 ,结果的正确性会更精密。 工具方面 :挖掘工具将越来越强大 ,汇合的算法越来越多 , 预测类算法将吸纳颇具新意的算法 （ 支持向量机、粗糙集、云模 型、遗传算法等 ）, 并将实现算法的自动选择和参数自动调优。 应用: 数据挖掘的应用除了应用于大型专门问题外 ,还将 走向嵌入式 , 更加智能化。 我们将使用人工智能与数据挖掘技术 , 去解决更多地实际问 题 , 改善我们的生活。