信息资源管理上机报告Word文档格式.docx

信息资源管理上机报告Word文档格式.docx

《信息资源管理上机报告Word文档格式.docx》由会员分享，可在线阅读，更多相关《信息资源管理上机报告Word文档格式.docx（13页珍藏版）》请在冰豆网上搜索。

AI的核心问题包括推理，知识，规划，学习，交流，感知，移动和操作物体的能力等。

强人工智能目前仍然是该领域的长远目标。

目前比较流行的方法包括统计方法，计算智能和传统意义的AI。

目前有大量的工具应用了人工智能，其中包括搜索和数学优化，逻辑，基于概率论和经济学的方法等等。

在国际大环境下，欧美等国在人工智能道路上走的较远。

1956年，人工智能在中国诞生，自此，我国科学技术工作者一直在敏锐的进行跟踪学习，经过将近半个世纪的消化吸收和融会贯通，已经从跟踪学习进入自主研究重大科学问题，独立进行重大科学创新的新阶段。

虽然我国在AI的软件方面的表现突出，但是在硬件、机器制造等方面的水平还不高，和欧、美、日等国相比，还是处于“很初级”的阶段。

本文就是通过共词分析方法，对中国今年有关AI的论文期刊进行整合分析，旨在找到当前中国AI发展的大体方向，以及从事AI研究的领头阵营。

二、方法：

共词分析方法简介：

共词分析法是文献计量学的一种重要方法，也是内容分析的常用方法之一。

其思想来源于文献计量学的文献耦合与共被引概念，即当两个能够表达某一学科领域研究主题或研究方向的专业术语在同一篇文献中出现时，表明这两个词之间具有一定的内在关系，并且出现的次数越多，表明它们的关系越密切、距离越近。

共词分析原理主要是针对具体某一组词分别两两统计它们在同一篇文献中出现的次数，在此基础上利用现代统计技术，如：

因子分析、聚类分析和多为尺度分析的方法，进一步按照这种“距离”将一个学科内的重要主题词或关键词加以分类，从而归纳出该学科的研究热点、结构与范式。

不仅如此，利用现代信息技术和统计软件图形化技术，还能够将分析结果直观形象的显示出来，进而达到可视化的效果。

三、数据来源此次研究选择的数据资料是论文和期刊，集中来源于中国知网，由于间断电子科技的更新换代的步伐不断加快，而且有关人工智能方面的研究文献数量庞大，所以选择了2011年11月5号-2013年11月5号的论文进行研究。

文献检索的方法：

在检索项中选择“高级检索”，在检索词中键入“人工智能”。

同时，为了排除不相关文献的干扰、保证信息资源管理研究论文的查准率和查全率，对检索结果进行了下述两种方式的筛选：

一是只选择学术研究性文献，剔除会议通知、会议报道、刊物征稿等消息类文献，以保证研究结果的可信度；

二是只挑选作者、机构、关键词、刊名、分类号、摘要均齐全的文献。

由于存在一稿多投的问题，最后通过去重处理，得到相关中文文献1522篇。

四、研究文献中心根据SATI的数据统计，分析出本文研究的1522篇有关人工智能的论文来自于599个期刊和文献，详情见下图（图中仅列举了论文数目大于4的期刊）：

序号期刊论文数量序号期刊论文数量1吉林大学学报（工学版）4829经营管理者62电脑知识与技术3030西南交通大学学报63电子制作1831计算机应用64计算机光盘软件与应用1732科技创新导报55电子测试1433科技创业家56计算机研究与发展1434科技导报57科技创新与应用1335系统工程与电子技术58智能系统学报1336机电信息59科技与企业1237现代电子技术510科技日报1238煤炭技术511小型微型计算机系统1139硅谷512模式识别与人工智能1140科技视界513电子技术与软件工程1041教育教学论坛514科技信息1042电脑编程技巧与维护515计算机工程与应用943才智561电源技术应用844计算机测量与控制517计算机应用研究845河南科技518计算机科学846中国证券报419电子世界747系统工程理论与实践420福建电脑748文汇报421新科幻（文学原创版）749中国新技术新产品422中国电力教育750华章423计算机技术与发展751机器人技术与应用424黑龙江科技信息652吉林大学学报（理学版）425科技致富向导653中国电子报426科技风654人民日报427中国新通信655计算机与数字工程428软件656创业邦4根据上图可以出，我国关注刊载AI相关论文和资料的期刊比较分散，而且绝大对数期刊对AI的关注不是很深入，但是像吉林大学学报（工学版）、电脑知识与技术、电子制作的巨头期刊对AI的关注度很高的期刊也不在少数。

由上表所得的人工智能研究领域分布表为：

分区期刊载文数量期刊数量论文数量核心期刊=1210191一般期刊3-1182400相关期刊1-2517931根据区域分析法可得人工智能领域的核心期刊依次是：

吉林大学学报（工学版）、电脑知识与技术、电子制作、计算机光盘软件与应用、电子测试、计算机研究与发展、科技创新与应用、智能系统学报、科技与企业、科技日报。

由此可知，计算机方面学科的期刊是刊载人工智能论文的主要阵地。

五、研究热点分布本研究共获得原始关键词4748个，通过词频分析法对人工智能领域的研究热点进行分析。

选择词频不低于10次的关键词共52个。

其中，“人工智能”出现的频率最高为475次。

但鉴于“人工智能”与本研究的内容完全重合，在下面的分析中难以发挥作用，故予以舍弃。

最后得到51个高频关键词，如下表所示。

2011年11月-2013年11月人工智能领域高频词序号关键词计数序号关键词计数1机器人4516发展趋势192专家系统4517信息技术183应用4318人工智能技术174故障诊断4319图像处理175数据挖掘4120专业委员会176遗传算法3921虚拟现实177模式识别3522自动化168神经网络2823BP神经网络169支持向量机2724人脸识别1510人工神经网络2425计算机1511数据库2226计算机软件1412智能机器人2127目标跟踪1413智能化2128特征提取1414计算机科学2029自适应1315机器学习2030智能控制13其他没有赘述5.1构造共词矩阵对上面表格中的高频关键词两两配对，统计他们在1522篇文献的关键词中共同出现的频次，形成1515的矩阵，如下表所示：

5.2构造相异矩阵在共词矩阵分析中，SATI软件可以作为统计分析的工具。

利用SATI中的相关分析，将共词矩阵转化为皮尔逊相关系数矩阵，由此能够消除由共词次数差异所带来的影响。

对角线上的数据表示某词自身的相关程度。

为了方便进一步处理，用“1”与全部皮尔逊相关系数矩阵相减，得到表示两词间相异程度的相异矩阵，如表下图所示：

5.3构造相似矩阵在共词矩阵分析中，相似矩阵和相异矩阵对应，对应位置的数相加和为1，由于是相似矩阵，纵横坐标对应的数值表示两个关键字的相似程度，1表示两个关键字完全相关，0表示两个关键字完全不相关。

如表下图所示六、聚类分析和数据挖掘6.1因子分析把研究对象的变量分组，使同组内的变量相关性变高，不同组的变量相关性较低，每一组的变量成为一个公共因子，这样几个公共因子可以反映原资料大部分信息。

对相关矩阵使用SPSS进行因子分析，选择“主成分发”、“平均正交法”，并选择“输出碎石图”，得到的因子分析结果如下表：

6.2聚类分析本研究采用层次聚类，选择利差平方和与离散数据类型中的斐方方法，聚类分+析结果部分树状图如下图所示：

针对52个重要的关键词进行因子分析，通过碎石图可以看出其中的26个因子的解释能力比较强，解释度为69.97%，对26个因子的命名如下：

1、模式识别2、计算机科学理论3、自适应控制4、数据挖掘5、优化6、信息技术模式识别0.69专业委员会0.852中国计算机0.931学会0.929人工智能会议0.914人工智能理论计算机科学理论0.887学术论文0.879数据库0.63计算机软件0.837信息安全0.876计算机0.038计算机科学0.12目标跟踪0.561自适应0.596数据挖掘0.782决策树0.781遗传算法0.543特征选择0.514优化0.661故障诊断0.039智能机器人0.507信息技术0.5077、路径规划8、智能化9、人工神经网络10、智能机器人11、支持向量机12、人脸识别蚁群算法0.519路径规划0.521智能化0.519自动化0.562人工精神网络0.565神经网络0.037机器人0.563智能机器人0.576工业机器人0.039智能控制0.034支持向量机0.547BP精神网络0.643人脸识别0.36图像处理0.4113、机器人技术15、机器学习15、特征提取16、智能系统17、本体18、粗糙集19、发展趋势20、人工智能技术21、电力系统22、应用23、专家系统24、虚拟现实25、电气自动化26、人机交互七、研究热点分析根据上述分析，我国对AI的研究热点在一下几点：

7.1模式识别模式识别（PatternRecognition）是指对表征事物或现象的各种形式的（数值的、文字的和逻辑关系的）信息进行处理和分析,以对事物或现象进行描述、辨认、分类和解释的过程,是信息科学和人工智能的重要组成部分。

模式识别又常称作模式分类，从处理问题的性质和解决问题的方法等角度，模式识别分为有监督的分类（SupervisedClassification）和无监督的分类（UnsupervisedClassification）两种。

二者的主要差别在于，各实验样本所属的类别是否预先已知。

一般说来，有监督的分类往往需要提供大量已知类别的样本，但在实际问题中，这。

是存在一定困难的，因此研究无监督的分类就变得十分有必要了。

7.2计算机科学理论关于计算和计算机械的数学理论，也称为计算理论或计算机科学的数学基础。

理论计算机科学主要包括：

自动机论与形式语言理论程序理论形式语义学算法分析和计算复杂性理论7.3自适应控制自适应控制可以看作是一个能根据环境变化智能调节自身特性的反馈控制系统以使系统能按照一些设定的标准工作在最优状态。

一般地说，自适应控制在航空、导弹和空间飞行器的控制中很成功。

可以得出结论，传统的自适应控制适合

（1）没有大时间延迟的机械系统；

（2）对设计的系统动态特性很清楚。

但在工业过程控制应用中，传统的自适应控制并不如意。

PID自整定方案可能是最可靠的，广泛应用于商业产品，但用户并不怎么喜欢和接受。

传统的自适应控制方法，要么采用模型参考要么采用自整定，一般需要辨识过程的动态特性。

它存在许多基本问题

（1）需要复杂的离线训练；

（2）辨识所需的充分激励信号和系统平稳运行的矛盾；

（3）对系统结构假设；

（4）实际应用中，模型的收敛性和系统稳定性无法保证。

另外，传统自适应控制方法中假设系统结构的信息，在处理非线性、变结构或大时间延迟时很难。

7.4数据挖掘数据挖掘（DataMining，DM）又称数据库中的知识发现（KnowledgeDiscoverinDatabase，KDD），是目前人工智能和数据库领域研究的热点问题，所谓数据挖掘是指从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程。

数据挖掘是一种决策支持过程，它主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等，高度自动化地分析企业的数据，做出归纳性的推理，从中挖掘出潜在的模式，帮助决策者调整市场策略，减少风险，做出正确的决策7.5信息技术:

信息技术（InformationTechnology，简称IT），是主要用于管理和处理信息所采用的各种技术的总称。

它主要是应用计算机科学和通信技术来设计、开发、安装和实施信息系统及应用软件。

它也常被称为信息和通信技术（InformationandCommunicationsTechnology,ICT）。

主要包括传感技术、计算机技术和通信技术。

7.6路径规划路径规划是指,在具有障碍物的环境中,按照一定的评价标准,寻找一条从起始状态到目标状态的无碰撞路径.本算法中路径规划采用了基于知识的遗传算法,它包含了自然选择和进化的思想,具有很强鲁棒性【基于tms320vc5416的机器视觉.电视技术2004年李强,陈勇,杨尚罡】；

也可指给定移动机械手的初始位姿及机械手末端的目标位姿,在移动机械手各广义坐标的工作范围内寻找一条无碰撞路径【一种移动机械手分级协调路径规划方法制造业自动化2005年李新春,赵冬斌,易建强,宋佐时】；

也可指机器人整体的运动规划一般又称为路径规划,由于机器人整体看作是一个点或者是一个固定的几何体,自由度比较少,因此路径规划问题相对比较简单.传统的机器人运动规划算法已经能较好地解决路径规划问题【人工智能技术在机器人运动规划中的应用计算机应用研究2004年马雪英,何臻峰,林兰芬】。

7.7人工神经网络神经元网络是机器学习学科中的一个重要部分，用来classification或者regression。

思维学普遍认为，人类大脑的思维分为抽象（逻辑）思维、形象（直观）思维和灵感（顿悟）思维三种基本方式。

逻辑性的思维是指根据逻辑规则进行推理的过程；

它先将信息化成概念，并用符号表示，然后，根据符号运算按串行模式进行逻辑推理；

这一过程可以写成串行的指令，让计算机执行。

然而，直观性的思维是将分布式存储的信息综合起来，结果是忽然间产生想法或解决问题的办法。

这种思维方式的根本之点在于以下两点：

1.信息是通过神经元上的兴奋模式分布存储在网络上；

2.信息处理是通过神经元之间同时相互作用的动态过程来完成的。

人工神经网络就是模拟人思维的第二种方式。

这是一个非线性动力学系统，其特色在于信息的分布式存储和并行协同处理。

虽然单个神经元的结构极其简单，功能有限，但大量神经元构成的网络系统所能实现的行为却是极其丰富多彩的。

7.8支持向量机支持向量机方法是建立在统计学习理论的VC维理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性（即对特定训练样本的学习精度）和学习能力（即无错误地识别任意样本的能力）之间寻求最佳折衷，以求获得最好的推广能力。

7.9粗糙集粗糙集理论，是继概率论、模糊集、证据理论之后的又一个处理不确定性的数学工具。

作为一种较新的软计算方法，粗糙集近年来越来越受到重视，其有效性已在许多科学与工程领域的成功应用中得到证实，是当前国际上人工智能理论及其应用领域中的研究热点之一。

在很多实际系统中均不同程度地存在着不确定性因素，采集到的数据常常包含着噪声，不精确甚至不完整。

7.10虚拟现实虚拟现实（VirtualReality，简称VR，又译作灵境、幻真）是近年来出现的高新技术，也称灵境技术或人工环境。

虚拟现实是利用电脑模拟产生一个三维空间的虚拟世界，提供使用者关于视觉、听觉、触觉等感官的模拟，让使用者如同身历其境一般，可以及时、没有限制地观察三度空间内的事物。

八、总结8.1问题：

从以上的数据分析来看，我国关于AI（人工智能）的分析明显已经初具规模，完全拥有自主科技创新的能力，且中国的AI研究和计算机的结合非常密切，软件方面已经有了长足的发展，但同时也存在一些问题：

中国在AI方面的研究迟于西方发达国家，通过长达50年的学习、探索、研究，在软件方面已经基本与西方国家持平，但是硬件方面却明显不足，现在影响中国AI发展的最大因素就是硬件跟不上，通过此次研究可以发现，中国现在的研究依然是以软件和理论为重心，对于硬件的研究不深。

8.2人工智能的发展趋势技术的发展总是超乎人们的想象，要准确地预测人工智能的未来是不可能的。

但是，从目前的一些前瞻性研究可以看出，未来人工智能可能会向以下几个方面发展:

模糊处理并行化神经网络机器情感。

人工智能的发展潜力巨大。

人工智能作为一个整体的研究才刚刚开始,离我们的目标还很遥远，但人工智能在某些方面将会有大的突破。

自动推理是人工智能最经典的研究分支,其基本理论是人工智能其它分支的共同基础。

一直以来自动推理都是人工智能研究的最热门内容之一,其中知识系统的动态演化特征及可行性推理的研究是最新的热点,很有可能取得大的突破。

机器学习的研究取得长足的发展。

许多新的学习方法相继问世并获得了成功的应用,如增强学习算法、reinforcementlearNIng等。

也应看到,现有的方法处理在线学习方面尚不够有效,寻求一种新的方法,以解决移动机器人、自主agent、智能信息存取等研究中的在线学习问题是研究人员共同关心的问题,相信不久会在这些方面取得突破。