【文章內容簡介】 數(shù)學以及各種程學方法，這些學科為人工智能的研究提供了豐富的知識和研究方法。 人工智能技術 人工智能的重點隨著時間的變化也在發(fā)生著很大的變化。目前對更好的理解人工智能有所幫助并且值得去研究的問題有很多，主要有以下一些內容： ◆機器學習 Machine Learning ◆ 知識表示和推理 Knowledge Representation and Reasoning ◆ 規(guī)劃 Planning ◆ 知識獲取 Knowledge Acquisition ◆ 智能搜索 Intelligent Search ◆ 邏輯程序設計 Logic Programming ◆ 軟計算 Soft Computing 人工智能技術 專家系統(tǒng)是人工智能在信息系統(tǒng)中的具體應用，它是一個智能計算機程序系統(tǒng)，內部存儲大量專家水平的某個領域知識與經(jīng)驗，決策者利用專家的知識和經(jīng)驗可以解決相關領域的問題。 一般專家系統(tǒng)包括數(shù)據(jù)庫、知識庫、推理機、解釋器及知識獲取五個部分組成。 專家系統(tǒng)技術 數(shù)據(jù)倉庫是面向主題的、集成的、時變的、非易失的并且隨時間而變化的數(shù)據(jù)集合。與其它的數(shù)據(jù)存儲系統(tǒng)相比它具有四個特性： ◆ 面向主題的：通常構造數(shù)據(jù)倉庫的構造是圍繞一些主題進行的，如產(chǎn)品、客戶、銷售組織； ◆ 集成的：通常構造數(shù)據(jù)倉庫是將多各數(shù)據(jù)源集成在一起進行存儲，它使用數(shù)據(jù)清理和數(shù)據(jù)集成技術，確保命名約定、編碼結構、屬性度量等的一致性。 ◆ 時變的：數(shù)據(jù)存儲從歷史的角度提供信息。數(shù)據(jù)倉庫中的關鍵結構隱式或顯式地包含時間元素； ◆ 非易失的：數(shù)據(jù)保持不變，按計劃添加數(shù)據(jù)，但是依據(jù)一定的規(guī)則，原數(shù)據(jù)不會丟失； 數(shù)據(jù)倉庫技術 數(shù)據(jù)倉庫與日常操作數(shù)據(jù)庫是分離的，這是因為這兩種系統(tǒng)的數(shù)據(jù)的結構、內容和用法都可能有不同。決策支持需要將來自異種源的數(shù)據(jù)統(tǒng)一，產(chǎn)生高質量、集成的數(shù)據(jù)。相比之下操作數(shù)據(jù)庫只維護詳細的原始數(shù)據(jù)，這些數(shù)據(jù)在分析之前需要統(tǒng)一，由于兩個系統(tǒng)的功能大不相同需要不同類型的數(shù)據(jù)，因此需要維護分離的數(shù)據(jù)庫。 數(shù)據(jù)倉庫利用多維分類機制組織大量的動作數(shù)據(jù)和歷史數(shù)據(jù)，把觀察對象的屬性稱為維。維可有層次結構。目前數(shù)據(jù)倉庫的存儲主要有兩種實現(xiàn)方式，一種是關系數(shù)據(jù)庫存儲；另一種是用多維數(shù)據(jù)庫存儲。在關系數(shù)據(jù)庫存儲方式中，一般采用星型、雪花型或兩都的混合模式來組織數(shù)據(jù)。而在多維數(shù)據(jù)庫的實現(xiàn)方式采用數(shù)據(jù)立方體來組織數(shù)據(jù)。 數(shù)據(jù)倉庫的研究還不是很成熟，盡管出現(xiàn)了很多數(shù)據(jù)倉庫的產(chǎn)品，但是在統(tǒng)一的標準等方面還沒有完全成型，還有等進一步發(fā)展。 數(shù)據(jù)倉庫技術 空間數(shù)據(jù)挖掘是指從空間數(shù)據(jù)庫中提取用戶感興趣的空間模式與特征、空間與非空間數(shù)據(jù)的普遍關系及其他一些隱含在數(shù)據(jù)庫中的普遍數(shù)據(jù)特征。 從 GIS數(shù)據(jù)庫中可以發(fā)現(xiàn)的主要知識類型有： ◆ 普遍的幾何知識 ◆ 空間分布規(guī)律 ◆ 空間關聯(lián)規(guī)則 ◆ 空間聚類規(guī)則 ◆ 空間特征規(guī)則 ◆ 空間區(qū)分規(guī)則 ◆ 空間演變規(guī)則 數(shù)據(jù)挖掘與知識發(fā)現(xiàn) 空間數(shù)據(jù)挖掘與知識發(fā)現(xiàn)是多學科和多種技術交叉綜合的一個領域，它綜合了機器學習、數(shù)據(jù)庫、專家系統(tǒng)、模式識別、統(tǒng)計、管理信息系統(tǒng)、等領域的有關技術，因而數(shù)據(jù)挖掘與知識發(fā)現(xiàn)方法是豐富多彩的。針對空間數(shù)據(jù)庫的特點，存在以下一些主要的數(shù)據(jù)挖掘與知識發(fā)現(xiàn)方法： ◆ 統(tǒng)計方法 ◆ 歸納方法 ◆ 聚類方法 ◆ 空間分析方法 ◆ 探測性的數(shù)據(jù)分析 ◆ 粗糙集方法 ◆ 去理論 ◆ 圖像分析的模式識別 ◆ 概念格方法 數(shù)據(jù)挖掘與知識發(fā)現(xiàn) 空間知識發(fā)現(xiàn)系統(tǒng)的結構及開發(fā)方法 數(shù)據(jù)挖掘與知識發(fā)現(xiàn) 開發(fā)知識發(fā)現(xiàn)系統(tǒng)時，有兩重要的問題需要考慮，并做出選擇： ◆ 是自發(fā)地發(fā)現(xiàn)還是根據(jù)用戶的命令發(fā)現(xiàn) 自發(fā)地發(fā)現(xiàn)會得到大量不感興趣的知識，而且效率會很低；根據(jù)用戶全集執(zhí)行則發(fā)現(xiàn)的效率較高，速度較快，結果符合要求。 ◆ 系統(tǒng)如何管理數(shù)據(jù)庫系統(tǒng)本身具有數(shù)據(jù)庫管理系統(tǒng)功能還是與外部數(shù)據(jù)庫管理系統(tǒng)相連。 系統(tǒng)本身具有數(shù)據(jù)庫管理系統(tǒng)功能，系統(tǒng)整體運行效率高，但是軟件開發(fā)工作量大，不易更新；系統(tǒng)與外部數(shù)據(jù)庫管理系統(tǒng)結合使用，整體的效率會稍低，但開發(fā)工作量小，通用性好，易于及時吸收最新的數(shù)據(jù)庫技術成果。 數(shù)據(jù)挖掘與知識發(fā)現(xiàn) 命題 :：命題是一個能夠決定是真還是假的陳述名，是一種陳述性的知識表達形式。 語義網(wǎng)絡： 語義網(wǎng)絡是表示命題信息的一種經(jīng)典人工智能表示技術，最初主要用于自然語言理解的研究，由于其強大和直觀的表達能力，如今被廣泛地應用于專家系統(tǒng)、自然語言理解等基于知識的系統(tǒng)中，是一種表達能力強而靈活的知識表示方法。 語義網(wǎng)絡是通過概念及其主義關系來一種有向網(wǎng)絡圖，它是一個帶有標示的有向圖； 有向圖的節(jié)點表示各種事物、概念、情況、屬性、動作、狀態(tài)等，弧表示節(jié)點之間的各種語義關系，指明它所連接的節(jié)點之間的某種語義關系； 節(jié)點和弧必須帶有標識，以便區(qū)分各個不同對象以及之間的各種不同