人工智能與數據挖掘技術研究

導語：人工智能與數據挖掘技術研究一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要：人工智能技術是智能決策支持系統的重要組成部分，數據挖掘在智能決策支持系統的影響空間中，主要負責智能決策支持的處理。因此，數據挖掘在整個智能決策支持系統中有著舉足輕重的位置。數據挖掘使用的技術和方法廣泛來自人工智能，本文分別介紹了人工智能技術和數據挖掘技術的定義,研究背景和研究目的，以及數據挖掘與人工智能的聯系,并結合國內外在該領域的研究成果指出了其廣闊的發展前景。

關鍵詞：人工智能；數據挖掘；發展前景

當今社會已經進入了人工智能時代，人工智能的應用，大大改善了我們的生活。大數據時代已經來臨，不論是從數據的使用，挖掘，處理等方面，都為人工智能的應用起到了基礎和保障。

1人工智能

1.1人工智能的定義。人工智能（ArtificialIntelligence），簡稱AI。屬于計算機學科下的分支，顧名思義，它是一門專門研究類人化的智能機器學科，即利用現階段科學的研究方法和技術，研制出具有模仿、延伸和擴展人類智能的機器或智能系統，從而實現利用機器模仿人類智能的一切行為。1.2人工智能的研究背景。在1956年的達特矛斯會議上，“人工智能”這一術語正式由麥卡錫提議并采用了，隨后人工智能的研究取得了許多引人注目的成就。在這之后，科研人員進行了許多的研究和開發，人工智能這個話題也取得了飛速的發展。人工智能是一門極具挑戰性的科學，從事這項工作的人必須了解計算機知識、心理學和哲學理念。人工智能的研究包涵廣泛的科學知識，以及其他領域的知識，如機器學習、計算機視覺等。一般來說，人工智能研究的主要目標是使機器能夠做一些通常需要人工智能完成復雜工作的機器。1.3人工智能的研發歷程。早期研究領域：人工智能專家系統，機器學習，模式識別，自然語言理解，自動定理證明，自動編程，機器人，游戲，人工神經網絡等，現在涉及以下研究領域：數據挖掘，智能決策系統，知識工程，分布式人工智能等。數據挖掘的出現使得人工智能的研究在應用領域得到廣泛的發展。以下簡要介紹其中的幾個重要部分：（1）專家系統。所謂專家系統就是控制計算的智能化程序系統，通過研發人員總結歸納了專業學科知識和日常經驗，能夠知道計算機完成某個領域內的專業性活動或者解決某些專業級別的問題。人工智能技術可以合理利用已知的經驗體系在復雜環境中，解決和處理復雜問題。（2）機器系統。機器系統簡單說就是機器人通過人造神經系統，借助于網絡或者存儲系統汲取系統的知識進行開發研究。（3）感知仿生。感知仿生系統通過模擬人類的感官，感知生物學特征，通過人工智能機器的感部件對外界外部環境進行感知，識別，判斷，分析的能力。能夠更好的適應環境，做出判斷。（4）數據重組和發掘。是指通過人工智能系統，結合當前先進的理念，對大數據的總結歸納，識別存儲，調取等應用。通過數據的加工處理，能夠主動做出判斷和分析。（5）人工智能模式。分布式人工智能是模式之一，該系統利用系統有效的規避和克服系統資源在某段時間內的局限性，并能有效地改善因資源造成的時間和空間不均衡問題。它具備，模式自動轉換，并行處理，開放啟發方式，冗余且容錯糾錯的能力。

2數據挖掘

2.1數據挖掘的定義。數據挖掘(DataMining,DM)是揭示數據中存在的模式和數據關系的學科，強調處理大型可觀察數據庫。數據挖掘的出現使得人工智能的研究在應用領域得到了廣泛的發展。這里包括數據挖掘和智能信息提取過程，前者從大量復雜的現實世界數據中挖掘出未知和有價值的模式或規則，后者是知識的比較，選擇和總結出來的原則和規則，形成一個智能系統。2.2數據挖掘的研究現狀。當前數據挖掘應用主要集中在電信、零售、農業、網絡日志、銀行、電力、生物、天體、化工、醫藥等方面。看似廣泛，實際應用還遠沒有普及。而據Gartner的報告也指出，數據挖掘會成為未來10年內重要的技術之一。而數據挖掘，也已經開始成為一門獨立的專業學科。2.3數據挖掘的研究發展。具體發展趨勢和應用方向主要有：性能方面：數據挖掘設計的數據量會更大，處理的效率會更高，結果也會更精確。工具方面：挖掘工具越來越強大，算法收斂越來越多，預測算法將吸收新穎性算法（支持向量機（SVM），粗糙集，云模型，遺傳算法等），并實現自動化的實現算法，選擇和自動調諧參數。應用：數據挖掘的應用除了應用于大型專門問題外，還將走向嵌入式，更加智能化。例如進一步研究知識發現方法，對貝葉斯定理和Boosting方法的研究和改進，以及對商業工具軟件不斷的生成和改進，著重建立整體系統來解決問題，如Weka等軟件。在先進理論的指導下，按照國內形態發展，至少需要20年的時間，才能改進數據挖掘的發展。

3數據挖掘與人工智能技術的聯系

數據挖掘屬于人工智能中獨立系統。它于人工智能的存在關系屬于，并存聯系，且獨立運行，互不從屬。此設計體系一方面可以有效促進人工智能提升學習能力，增進分析能力，另一方面還對分析，統計，OLSP，以及決策支持系統模塊等起到推動作用。在收挖掘應用領域，處理可以對WEB挖掘，還能夠有效進行文本，數據庫，知識庫，不同領域不同學科的信息進行序列矩陣模式挖掘。基于數據本身的分類，辨識，關聯規則，聚類算法更加博大精深。因此，獨立于人工智能的數據挖掘，更加便于科研團體或者領域對數據的使用和分析。數據挖掘是人工智能領域的一部分。首先，高智能是數據挖掘和人工智能的最終目標，正是由于這個目標，人工智能和數據挖掘有很多關聯。其次，數據挖掘和人工智能是各種技術的整合。數據挖掘和人工智能是許多學科的跨學科學科。最后，數據挖掘的出現逐漸發展壯大，加強了人工智能，因此可以說，它們兩者是不可分割的。

4人工智能和數據挖掘技術的發展前景

在當前環境下，人工智能和數據挖掘技術具有以下發展前景:(1)在大數據互聯網中的應用。將人工智能的技術應用于互聯網中將會使網絡技術帶上智能的特性,可以為人們的生活提供智能化的幫助，給人們的生活帶來便利。還可以提高網絡運行效率、增加網絡安全性等。(2)智能化服務的研究。人工智能和數據挖掘都很注重對智能化服務的研究,例如很多智能機器人便應運而生，它們已經能勝任許多簡單的工作，可以為人們提供人性化的服務。高度的智能化是數據挖掘和人工智能研究最終追求的目標,也是二者最終合而為一的標志。(3)使知識產生經濟化。在現階段的知識經濟時代，人工智能和數據挖掘勢必受到經濟的影響，這決定了人工智能和數據挖掘將具有經濟特征。人工智能和數據挖掘技術作為無形資產可以直接帶來經濟效益，通過交流，教育，生產和創新的無形資產將成為知識經濟時代的主要資本。可以預期未來的人工智能和數據挖掘技術將更加經濟實用。(4)交叉學科的技術融合。各行各業的理論和方法都已經開始融入了人工智能和數據挖掘之中。未來的人工智能和數據挖掘技術必將是一個融合眾多領的復合學科。當今，我們已經在逐漸使用人工智能與數據挖掘技術，去攻克更多難題，解決更多問題，造福人類，改善生活，近在眼前。

作者:喻正夫 單位:漢江師范學院

參考文獻：

[1]萬璞,王麗莎.數據挖掘與人工智能技術研究[J].無線互聯科技,2016(10):113-114.

[2]王翔.試論如何利用大數據挖掘技術推動人工智能繼續發展[J/OL].科技創新報,2017,14(01).

[3]秦益文.微博數據挖掘中人工智能推理引擎的應用[J].中小企業管理與科技(中旬刊),2017(02).

[4]蒲東齊.數據挖掘在人工智能上的應用[J].信息與電腦(理論版),2016(19).

[5]李丹丹.數據挖掘技術及其發展趨勢[J].電腦應用技術,2007（02）:38－40．

[6]蔡自興,徐光祐.人工智能及其應用[M].北京:清華大學出版社,2004(8):5,21,312．

[7]鐘智,尹云飛.數據挖掘與人工智能技術[J].河南科技大學學報（自然科學版）,2004(3):44－47．