【文章內(nèi)容簡介】 數(shù)學(xué)以及各種程學(xué)方法，這些學(xué)科為人工智能的研究提供了豐富的知識(shí)和研究方法。 人工智能技術(shù) 人工智能的重點(diǎn)隨著時(shí)間的變化也在發(fā)生著很大的變化。目前對(duì)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(nèi)容： ◆機(jī)器學(xué)習(xí) Machine Learning ◆ 知識(shí)表示和推理 Knowledge Representation and Reasoning ◆ 規(guī)劃 Planning ◆ 知識(shí)獲取 Knowledge Acquisition ◆ 智能搜索 Intelligent Search ◆ 邏輯程序設(shè)計(jì) Logic Programming ◆ 軟計(jì)算 Soft Computing 人工智能技術(shù) 專家系統(tǒng)是人工智能在信息系統(tǒng)中的具體應(yīng)用，它是一個(gè)智能計(jì)算機(jī)程序系統(tǒng)，內(nèi)部存儲(chǔ)大量專家水平的某個(gè)領(lǐng)域知識(shí)與經(jīng)驗(yàn)，決策者利用專家的知識(shí)和經(jīng)驗(yàn)可以解決相關(guān)領(lǐng)域的問題。 一般專家系統(tǒng)包括數(shù)據(jù)庫、知識(shí)庫、推理機(jī)、解釋器及知識(shí)獲取五個(gè)部分組成。 專家系統(tǒng)技術(shù) 數(shù)據(jù)倉庫是面向主題的、集成的、時(shí)變的、非易失的并且隨時(shí)間而變化的數(shù)據(jù)集合。與其它的數(shù)據(jù)存儲(chǔ)系統(tǒng)相比它具有四個(gè)特性： ◆ 面向主題的：通常構(gòu)造數(shù)據(jù)倉庫的構(gòu)造是圍繞一些主題進(jìn)行的，如產(chǎn)品、客戶、銷售組織； ◆ 集成的：通常構(gòu)造數(shù)據(jù)倉庫是將多各數(shù)據(jù)源集成在一起進(jìn)行存儲(chǔ)，它使用數(shù)據(jù)清理和數(shù)據(jù)集成技術(shù)，確保命名約定、編碼結(jié)構(gòu)、屬性度量等的一致性。 ◆ 時(shí)變的：數(shù)據(jù)存儲(chǔ)從歷史的角度提供信息。數(shù)據(jù)倉庫中的關(guān)鍵結(jié)構(gòu)隱式或顯式地包含時(shí)間元素； ◆ 非易失的：數(shù)據(jù)保持不變，按計(jì)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(huì)丟失； 數(shù)據(jù)倉庫技術(shù) 數(shù)據(jù)倉庫與日常操作數(shù)據(jù)庫是分離的，這是因?yàn)檫@兩種系統(tǒng)的數(shù)據(jù)的結(jié)構(gòu)、內(nèi)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(zhì)量、集成的數(shù)據(jù)。相比之下操作數(shù)據(jù)庫只維護(hù)詳細(xì)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(gè)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(hù)分離的數(shù)據(jù)庫。 數(shù)據(jù)倉庫利用多維分類機(jī)制組織大量的動(dòng)作數(shù)據(jù)和歷史數(shù)據(jù)，把觀察對(duì)象的屬性稱為維。維可有層次結(jié)構(gòu)。目前數(shù)據(jù)倉庫的存儲(chǔ)主要有兩種實(shí)現(xiàn)方式，一種是關(guān)系數(shù)據(jù)庫存儲(chǔ)；另一種是用多維數(shù)據(jù)庫存儲(chǔ)。在關(guān)系數(shù)據(jù)庫存儲(chǔ)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(shí)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(biāo)準(zhǔn)等方面還沒有完全成型，還有等進(jìn)一步發(fā)展。 數(shù)據(jù)倉庫技術(shù) 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(guān)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(shí)類型有： ◆ 普遍的幾何知識(shí) ◆ 空間分布規(guī)律 ◆ 空間關(guān)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(shí)發(fā)現(xiàn) 空間數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)是多學(xué)科和多種技術(shù)交叉綜合的一個(gè)領(lǐng)域，它綜合了機(jī)器學(xué)習(xí)、數(shù)據(jù)庫、專家系統(tǒng)、模式識(shí)別、統(tǒng)計(jì)、管理信息系統(tǒng)、等領(lǐng)域的有關(guān)技術(shù)，因而數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)方法是豐富多彩的。針對(duì)空間數(shù)據(jù)庫的特點(diǎn)，存在以下一些主要的數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)方法： ◆ 統(tǒng)計(jì)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(shí)別 ◆ 概念格方法 數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn) 空間知識(shí)發(fā)現(xiàn)系統(tǒng)的結(jié)構(gòu)及開發(fā)方法 數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn) 開發(fā)知識(shí)發(fā)現(xiàn)系統(tǒng)時(shí)，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(huì)得到大量不感興趣的知識(shí)，而且效率會(huì)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(jié)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(yùn)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(jié)合使用，整體的效率會(huì)稍低，但開發(fā)工作量小，通用性好，易于及時(shí)吸收最新的數(shù)據(jù)庫技術(shù)成果。 數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn) 命題 :：命題是一個(gè)能夠決定是真還是假的陳述名，是一種陳述性的知識(shí)表達(dá)形式。 語義網(wǎng)絡(luò)： 語義網(wǎng)絡(luò)是表示命題信息的一種經(jīng)典人工智能表示技術(shù)，最初主要用于自然語言理解的研究，由于其強(qiáng)大和直觀的表達(dá)能力，如今被廣泛地應(yīng)用于專家系統(tǒng)、自然語言理解等基于知識(shí)的系統(tǒng)中，是一種表達(dá)能力強(qiáng)而靈活的知識(shí)表示方法。 語義網(wǎng)絡(luò)是通過概念及其主義關(guān)系來一種有向網(wǎng)絡(luò)圖，它是一個(gè)帶有標(biāo)示的有向圖； 有向圖的節(jié)點(diǎn)表示各種事物、概念、情況、屬性、動(dòng)作、狀態(tài)等，弧表示節(jié)點(diǎn)之間的各種語義關(guān)系，指明它所連接的節(jié)點(diǎn)之間的某種語義關(guān)系； 節(jié)點(diǎn)和弧必須帶有標(biāo)識(shí)，以便區(qū)分各個(gè)不同對(duì)象以及之間的各種不同