信息知识智能的转换和算法分析.docx

毕业论文〔设计〕

论文〔设计〕题目：信息、学问、智能的转换和算法分析

系别：

专业：

学号：

姓名：

指导老师：

毕业论文〔设计〕开题报告

系别:计算机及信息科学系专业:网络工程

学号

姓名

蒙剑

论文〔设计〕题目

信息、学问、智能的转换和算法分析

命题来源

eq\o\ac(□,√)老师命题□学生自主命题□老师课题

选题意义(不少于300字):

随着信息技术的高速开展，数据库应用的规模、范围和深度不断扩大，已经从单台机器开展到网络环境。由于各种新型技术及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，形成了浩大的数据库体系，如商业条码的推广、企业和政府利用计算机管理事务的实力增加，产生了大规模的数据。而简洁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展简洁的数字处理，而不是对这些数据所包含的内在信息进展提取，因此它和人们期望的分析意料、决策支持等高级应用仍有很大的间隔，人们渴望可以供应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学问。

数据挖掘之所以吸引专家学者的讨论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运用和把数据转换成有用的学问，推动社会进步，为企业供应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。

讨论综述(前人的讨论现状及进展状况，不少于600字):

Shannon信息论和人工智能理论分别于20世纪40头和50头相继产生，系统的学问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开展的初期好像并没有造成明显的问题，但是，随着讨论的不断的深化，学问理论的空白就渐渐成为一种制约，信息论和智能理论的开展陷入受限的犯难境地。

20世纪70头，由于讨论和建立专家系统的须要而出现了“学问工程〞。然而，学问工程主要关注了学问的表示和学问的演绎推理的问题，至于如何获得专家系统所须要的学问，则几乎完全依靠专家系统设计者的手工操作。因此，学问工程没有可以形成完全的学问理论。及此同时，数据库系统的三个主要形式：层次、网络和关系型数据库的讨论和开发获得了重要进展。20世纪80头，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承受，并形成了整个数据库市场的主导。事务数据库、主动数据库、学问库、办公信息库等技术也得到蓬勃开展。从20世纪80头中期开始，关系型数据库技术和新型技术的结合成为数据库讨论和开发的重要标记。

20世纪90头，数据挖掘及学问觉察应运而生。数据挖掘是一个多学科穿插讨论领域，它交融了数据库技术、人工智能、机器学习、统计学、学问工程、面对对象方法、信息检索、高性能计算以及数据可视化等最新技术的讨论成果。

基于统计学、人工智能、面对对象方法等在内的理论及技术成果已经被胜利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开展起到了极大的推动作用。然而，作为人工智能系统讨论的三大主流学派，构造主义、功能主义、行为主义方法各自由信息智能决策中获得了不少的进展和成果，但却是计算机科学讨论中争议最多而又始终保持强大生命力的讨论领域。在这样的背景下，我国闻名信息学者、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-学问-智能的转换。“信息-学问-智能的转换〞的讨论方法将可以更好地为智能理论讨论效劳，在社会走向信息化和智能化的时代将为人类做出更大的奉献。

讨论的目的和主要内容〔不少于400字〕

本选题将数据挖掘及机器知行学相结合，通过关联规则挖掘算法，从事务数据库中挖掘学问，实现信息、学问、智能的转换。

本选题讨论内容如下：

〔1〕对信息、学问、智能的转换理论体系构造及数据挖掘原理的应用进展探究。

〔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根本思路：关联规则是用来提示数据之间未知的相关依靠关系，通过设置支持度和置信度，生成所须要的数据信息。

2〕Apriori算法的施行思想：驾驭Apriori算法运算的根本思想，是施行Apriori算法应用实现的根底。

3〕Apriori算法性能的分析：理解Apriori算法的优点和缺乏，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挖掘算法的描绘，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讨论：传统的关联规则挖掘算法大都依靠于一个统一的支持度和置信度阈值设置，在此根底上所挖掘出的结果有很多是没有任何意义或是错误的关联规则。如何引入具有语义最小支持度对算法做相应的改进，是舍弃无效的、虚假的、具有误导性的规则起扶植作用，增