基于人工智能的决策支持系统的发展现状及趋势
2013 年12 月18 日智能决策支持系统作为人工智能的一个重要研究领域，允许决策者和信息经营者、资源配置者和管理者、策略规划者和装备控制者改进他们的工作效率，已经成为学术界关注的焦点，其发展前景备受世人瞩目。
人工智能（Artificial Intelligence）是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，它是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。近十年来，人工智能已得到迅速传播与发展，并在决策支持系统中获得了日益广泛的应用，越来越多的决策支持系统应用了网络技术和分布式人工智能技术。
决策支持系统（DSS）作为人工智能的一个重要研究领域，是辅助决策者通过数据、模型和知识，以人机交互方式进行半结构化或非结构化决策的计算机应用系统。它是管理信息系统（MIS）向更高一级发展而产生的先进信息管理系统。它为决策者提供分析问题、建立模型、模拟决策过程和方案的环境，调用各种信息资源和分析工具，帮助决策者提高决策水平和质量。随着科学技术的进步以及人工智能技术的日趋成熟，决策支持系统智能化已经成为业界研究与实现的目标，尽管目前为止已有一些先进的智能决策支持系统在商业、工业、政府和国防等部门获得成功应用，但是，这一系统远未完善，仍处于发展阶段，可以预见的是在未来的研究过程中，智能决策支持系统必将对社会和组织产生更加重大的影响。智能决策支持系统的工作是可预测和可规划的，它是实实在在可以造福全人类。
基于人工智能的智能决策支持系统（IDSS）属于一个新兴的交叉学科领域，是运筹学、管理科学和计算机科学结合的产物，在我国许多应用领域有了初步的运用，例如税务稽查、渔业专家系统、中国工商银行风险投资决策、为电信部门进行VIP分析，等等。渔场预报系统就是CBR（基于范例的推理）一个很好的应用实例（由中科院计算所史忠植老师指导完成），这个系统已被应用于中国东海渔业中心的预测；在国外IDSS
也有着非常深入的研究与广泛的应用，如Hill，Holsaple 等人采用神经网络、遗传算法等实现了综合(holistic) 决策支持系统，系统在某种程度上体现了人类思维和决策过程的性质；在应用方面有Web和Agent的协同决策支持系统，Web的专家系统，如好莱坞经理决策支持系统。
IDSS未来的的发展趋势主要有5个方面：
①注重基于知识的人机交互
决策支持系统强调决策过程的交互性，对人机对话系统有较高的要求，长期以来，人们对数据、信息和知识的认识仅限于数据--信息--知识的单链条关系，实际上，从数据中获得信息，再从信息中获得知识，仅仅是决策过程的开始，对数据、信息和知识的
关系的研究表明，对其他关系的研究对提高决策质量也具有重要意义。在如何从数据中提取信息、信息如何呈现给决策者等问题中，知识发挥着重要作用，对这些问题的研究产生了数据--知识--信息--数据的循环或网状关系等。
②分布式并行化决策求解
决策环境的复杂性常常会超出人的求解能力，促使研究者抛开传统的模型求解方法，转而寻求新的技术。同时技术的不断进步，尤其是IT的进步，也在为IDSS的研究提供更为有力的手段和工具。目前随着计算机网络的发展，决策环境出现了新的特点：分析、决策中使用的数据不再集中于一个物理位置，而是分散到不同的地区、部门；运行在Internet/Intranet环境里的分析、决策模型及知识处理方法也从集中式处理发展为在网络环境下的分布、或分布再加上并行的处理方式。
同时，决策的可行解本身也存在计算效率问题。有时候IDSS的顺序计算结构也会成为决策的瓶颈。对复杂决策问题的并行求解已得到广泛关注，分布式数据仓库、分布式决策处理的研究以及分布式人工智能技术的应用、并行决策计算等已成为新的研究热点。
③注重各种相关技术的集成应用
IDSS的核心是知识和知识处理%决策中用到的知识总是和特定应用领域相关，不同的领域对知识的表示和处理具有不同的特点，不同智能决策方法有其特点和适用范围，方法的综合成为提高系统决策能力的重要途径。同时，决策信息来源的多样性对信息融合也提出了新的要求。如何综合来自不同方面的信息为一个决策目标服务是决策中的常见问题，经历了从简单叠加到优化的线性组合的过程，采用逻辑、线性优化、决策树和神经网络等可以实现不同层次的信息融合，目前采用证据理论、贝叶斯网络等不确定性推理技术进行信息融合也取得了一些成果。这一领域的更高目标是要寻找更为一般的知识表示和推理算法。
④决策过程的理解
决策过程的理解是建立智能决策支持系统的基础。目前，对人类决策过程的理解还仅限于具有明确过程性和可计算性的部分，对更高级的人类决策过程还缺乏明确的认识。事实上，人类决策包含的问题识别、问题分解与求解过程等多个方面，需要多种知识和方法的综合。人类的认知能力几乎是无限的，只有人类能在复杂多变的环境中，在具有不完备、不确定甚至是错误的信息的情况下，做出正确的决策，对人类决策的理解是建立更高智能的决策支持系统的关键。对决策过程的理解实际上是对人类智能的认识。目前为止，仍没有更好的方法对人的思维过程进行准确模拟。
⑤时空与多维决策过程
目前，决策支持系统的研究大多集中在决策问题的求解过程方面，而决策行为总是与决策过程和决策环境的各个方面相联系。在决策过程中引入时间、空间等多维准则，可以突破时空限制，优化和改进决策过程，提高支持决策效果。时间是决策的内部维，
决策者在决策过程中能够感知自身的存在，并与决策问题的时间要求相联系，如在决策的实时性要求较高的场合，时间可能就是最重要的决定因素；空间维则用来观察外部世界，与决策环境的空间因素相联系，一般用来描述对决策具有重大影响的因素，如不同意见及其带来的额外信息等。很多决策过程已经对时间和空间因素提出相当高的要求，这些因素反过来又对决策支持系统的理论和方法提出了新的挑战。
《探索大数据与人工智能》习题库 单选 1、Spark Streaming是什么软件栈中的流计算? A. Spark B. Storm C. Hive D. Flume 2、下列选项中,不是大数据发展趋势的是? A. 大数据分析的革命性方法出现 B. 大数据与与云计算将深度融合 C. 大数据一体机将陆续发布 D. 大数据未来可能会被淘汰 3、2011年5月是哪家全球知名咨询公司在《Big data: The next frontier for innovation, competition and productivity 》研究报告中指出,数据已经渗透到每一个行业和业务职能之中,逐渐成为重要的生产因素的? A.比尔·恩门 B. 麦肯锡 C. 扎克伯格 D. 乔图斯 4、以下哪个属于大数据在电信行业的数据商业化方面的应用? A.精准广告 B. 网络管理 C. 网络优化 D. 客服中心优化 5、以下哪个不属于大数据在电信行业的应用? A.数据商业化 B. 物流网络 C. 企业运营 D. 客户关系管理 6、2012年7月,为挖掘大数据的价值,阿里巴巴集团在管理层设立()一职,负责全面推进“数据分享平台”战略,并推出大型的数据分享平台。 A.首席数据官 B. 首席科学家 C. 首席执行官 D. 首席架构师 7、下列选项中,不是kafka适合的应用场景是? A.日志收集 B. 消息系统 C. 业务系统 D.流式处理 8、下列选项中,哪个不是HBASE的特点? A.面向行 B. 多版本 C. 扩展性 D. 稀疏性 9、在数据量一定的情况下,MapReduce是一个线性可扩展模型,请问服务器数量与处理时间是什么关系？ A.数量越多处理时间越长 B. 数量越多处理时间越短 B.数量越小处理时间越短D.没什么关系 10、在Spark的软件栈中,用于机器学习的是 A.Spark Streaming B. Mllib C. GraphX D.SparkSQL 11、Spark是在哪一年开源的? A.1980 B. 2010 C. 1990 D. 2000 12、大数据的多样性使得数据被分为三种数据结构,那么以下不是三种数据结构之一的是?
《人工智能与专家系统》试卷 （1）参考答案与评分标准 问答题（每题5分，共50分）1．人工智能是何时、何地、怎样诞生的？（5分）答：人工智能于1956年夏季在美国达特茅斯（Dartmouth）大学诞生。（3分）1956年夏季，美国的一些从事数学、心理学、计算机科学、信息论和神经学研究的年轻学者，汇聚在Dartmouth大学，举办了一次长达两个月的学术讨论会，认真而热烈地讨论了用机器模拟人类智能的问题。在这次会议上，第一次使用了“人工智能”这一术语，以代表有关机器智能这一研究方向。这是人类历史上第一次人工智能研讨会，标志着人工智能学科的诞生，具有十分重要的意义。（2分） 2．行为主义是人工智能的主要学派之一，它的基本观点是什么？（5分）答：行为主义，又称进化主义或控制论学派。这种观点认为智能取决于感知和行动（所以被称为行为主义），它不需要知识、不需要表示、不需要推理。其原理是控制论和感知——动作型控制系统。 3．什么是知识表示？在选择知识表示方法时，应该考虑哪几个因素？（5分）答：知识表示是研究用机器表示知识的可行性、有效性的般方法，是一种数据结构与控制结构的统一体，既考虑知识的存储又考虑知识的使用。知识表示实际上就是对人类知识的一种描述，以把人类知识表示成计算机能够处理的数据结构。对知识进行表示的过程就是把知识编码成某种数据结构的过程。
（3分） 在选择知识表示方法时，应该考虑以下几个因素：(1)能否充分表示相关的领域知识；(2)是否有利于对知识的利用；(3)是否便于知识的组织、维护和管理；(4)是否便于理解和实现。（2分）4．框架表示法有什么特点？（5分） 答：框架表示法有如下特点：结构性、继承性、自然性。（5分）5．何谓产生式系统？它由哪几部分组成？（5分） 答：把一组产生式放在一起，让它们相互配合，协同作用，一个产生式生成的结论可以供另一个产生式作为已知事实使用，以求得问题的解，这样的系统称为产生式系统。（2分） 产生式系统一般由三个基本部分组成：规则库、综合数据库和推理机。（3分）6．产生式系统中，推理机的推理方式有哪几种？请分别解释说明。（5分）答：产生式系统推理机的推理方式有正向推理、反向推理和双向推理三种。正向推理：正向推理是从己知事实出发，通过规则库求得结果。反向推理：反向推理是从目标出发，反向使用规则，求证已知的事实。双向推理：双向推理是既自顶向下又自底向上的推理。推理从两个方向进行，直至在某个中间界面上两方向结果相符便成功结束；如两方衔接不上，则推理失败。
人工智能与专家系统复习尹朝庆，尹皓中国水利水电出版社 第一章 【P1】1.1何谓人工智能？人类智能主要包括哪些能力？ 答：人工智能是研究、设计和应用智能机器或智能系统，来模拟人类智能活动的能力、以延伸人类智能的科学。 四种能力： 认识和理解外界环境的能力； 进行演绎和归纳推理、作出决策的能力； 学习的能力； 自适应的能力。 【P6-8】1.4人工智能有哪几个主要学派？各学派的基本理论框架和研究方法有何不同？答：（1）符号主义学派的框架： 知识是智能的基础，人工智能的核心问题是知识表示和知识推理，可以用一个符号系统在计算机上形式化的描述和模拟人的思维活动过程。 研究方法：功能模拟方法，力图用数理逻辑方法来建立人工智能的统一理论体系。 （2）联接主义学派的框架： 利用人工神经网络模仿人类智能，认为人的智能的基本单位是神经元，由人工神经元联接起来的人工神经网络可以具有学习和自适应能力。 研究方法：结构模拟。 （3）行为主义学派的框架： 提出智能行为的“感知-动作模式”。 研究方法：行为模拟方法。 【P8-9】1.5人工智能的近期研究目标和远期研究目标分别是什么？ 近期：建造智能计算机。 远期：研究人类智能和机器智能的基本原理，用智能机器来模拟人类的思维过程和智能行为。 【P9-12】1.6人工智能主要的研究应用领域？ 十条：定理证明；专家系统；机器学习；自然语言理解；智能检索；机器人学；自动程序设计；组合调度问题；模式识别；机器视觉。 第二章 【P19】2.2简述谓词逻辑中的下述推理规则： （1）P规则：在推理的任何步骤上都可引入前提； （2）T规则：在推理时，如果前面步骤中有一个或多个公式永真蕴含公式S，则可把S引入推理过程中； （3）CP规则：如果能从R和前提集合中推出S来，则可从前提集合推出R→S。 （4）反证法规则：P=>Q，当且仅当P∧┑Q＜=>F。即Q为P的逻辑结论，当且仅当P∧┑Q是不可满足的。 【P20-21】2.3一阶谓词逻辑表示法适合于表示哪种类型的知识？它有主要哪些特点？ 答：谓词逻辑适合于表示事物的状态、属性、概念等事实性的知识，也可以用来表示事物间确定的因果关系，即规则。
人工智能与语言识别 摘要：语言是人类之间交流信息的主要手段之一，自电脑发明以来，人们就一直致力于使电脑能够理解自然语言。语音识别技术是集声学、语音学、语言学、计算机、信息处理和人工智能等诸领域的一项综合技术，应用需求十分广阔，长期以来一直是人们研究的热点。神经网络是在现代科学研究成果的基础上提出来的模拟人脑结构机制的一门新兴科学。本文针时语音识别的特点，对BP神经网络在语音识别技术中的应用进行了探索性研究，进而结合人工智能领域较为有效的方法——遗传(GA)算法。该算法有效地缩短了识别时问，提高了网络训练速度和语音的识别率。 关键词：语言识别；神经网络；遗传算法；BP网络 Artificial Intelligence and Speech Recognition Abstract:Language is one of the most important means of exchanging information among the mankind.Since the computer was invented,many scientists have been devoted to enabling the computer to understand the natural language.Speech recognition is a comprehensive technology of such areas as acoustics,phonetics,linguistics,computer science,information processing and artificial intelligence,which can be used widely.The research of speech recognition technology has been focused by the world for a long time.The neural network is a new developing science,which simulates the mechanism of human brain and was putted forward by the developing of modern science. This paper mainly studies the application of the BP neural network in the research of speech recognition.The training speed can be accelerated by the method and the recognition performance is also promoted． Key words:speech recognition;neural network;genetic algorithm;BP network 正文 一、语言识别的概述 随着计算机技术的发展，人与机器之间的交流也越来越广泛和深入，计算机己经渗透到人们生活的各个方面。在现代社会中，人们逐渐习惯借助计算机来完成各项事务。在这种情况下，如何让计算机智能化地与人进行通信，使人机交互更加自然方便成为现代计算机科学的重要研究课题之一。 二、语言识别的基本原理 语音识别(Speech Recognition)主要是指让机器听懂人说的话，即在各种情况下，准确地识别出语音的内容，从而根据其信息，执行人的各种意图。现代语音识别技术以神经网络为主要发展趋势，进入20世纪90年代以来，神经网络已经成为语音识别的一条重要途径。人工神经网络(ANN)是采用大量的简单处理单元广泛连接起来构成的一种复杂信息处理网络。网络的训练学习是应用一系列输入矢量，通过已确定的算法逐步调整网络的权值，最终达到期望的目标。BP神经网络是神经网络中前向神经网络的核心部分，BP算法的学习过程由信号的正向传播和误差的反向传播组成。大部分基于神经网络的语音识别系统实现识别功能都要经过从特征参数提取到应用识别算法进行识别的过程。 三、语音识别中的BP网络构造
第1章决策支持系统概述 ▲数据： 记载下来的事实，客观属性的值 ▲信息： 构成一定含义的一组数据 ▲系统： 由若干相互联系相互制约的元素结合在一起，并具有特定功能的有机整体。 ▲系统的组成： 1、系统由各元素或子系统组成 2、至少包含两个以上的元素 3、各元素之间相互联系或相互制约 4、具有目的性 5、适应环境的变化 ▲数据处理系统： 是对大量数据进行收集、组织、存储、加工与传播的总和 ▲数据处理系统的特征： 1、数据量大； 2、没有特别复杂的运算； 3、时效性强 ▲管理信息系统MIS： 运用系统管理的理论方法，以计算机网络和现代通信技术为手段，对信息进行收集、组织、存储、加工、传播和使用的人机系统。
▲管理信息系统的基本组成： 管理业务应用系统、数据库系统 ▲管理信息系统特点： 1、以数据库系统为基础； 2、数据录入； 3、数据传输； 4、数据存储； 5、数据查询； 6、数据统计； 7、指标计算 ▲决策支持系统： 以管理科学、运筹学、行为科学、控制论为基础，以计算机技术、模拟技术、信息技术为手段，面向半结构化的决策问题，支持决策活动的具有智能作用的人机系统。 ▲决策支持系统主要特征： 1、关注上层管理人员经常遇到的结构化程度不高、规范化不明 确的问题 2、把模拟或分析技术与传统的数据存取和检索技术结合起来 3、易于非计算机专业的人员，以交互会话的方式使用 4、强调对环境及用户决策方法改变的适应性和灵活性 5、提供决策的良好效果 ▲DSS的功能： 1、管理并提供外部信息 2、收集、管理并提供内部信息 3、收集、管理并提供反馈信息 4、存储和管理数学模型 5、修改和添加数据、模型、方法
人工智能技术基础实验报告 指导老师：朱力 任课教师：张勇
实验三小型专家系统设计与实现 一、实验目的 （1）增加学生对人工智能课程的兴趣； （2）使学生进一步理解并掌握人工智能prolog语言； （3）使学生加强对专家系统课程内容的理解和掌握，并培养学生综合运用所学知识开发智能系统的初步能力。 二、实验要求 （1）用产生式规则作为知识表示，用产生系统实现该专家系统。 （2）可使用本实验指导书中给出的示例程序，此时只需理解该程序，并增加自己感兴趣的修改即可；也可以参考该程序，然后用PROLOG语言或其他语言另行编写。 （3）程序运行时，应能在屏幕上显示程序运行结果。 三、实验环境 在Turbo PROLOG或Visual Prolog集成环境下调试运行简单的PROLOG程序。 四、实验内容 建造一个小型专家系统（如分类、诊断、预测等类型），具体应用领域由学生自选，具体系统名称由学生自定。 五、实验步骤 1、专家系统： 1.1建造一个完整的专家系统设计需完成的内容： 1．用户界面：可采用菜单方式或问答方式。
2．知识库（规则库）：存放产生式规则，库中的规则可以增删。 3．数据库：用来存放用户回答的问题、已知事实、推理得到的中 间事实。 4．推理机：如何运用知识库中的规则进行问题的推理控制，建议 用正向推理。 5．知识库中的规则可以随意增减。 1.2推理策略 推理策略包括：正向（数据驱动），反向（目标驱动），双向 2、动物分类实验规则集 （1）若某动物有奶，则它是哺乳动物。 （2）若某动物有毛发，则它是哺乳动物。 （3）若某动物有羽毛，则它是鸟。 （4）若某动物会飞且生蛋，则它是鸟。 （5）若某动物是哺乳动物且有爪且有犬齿且目盯前方，则它是食肉动物。（6）若某动物是哺乳动物且吃肉，则它是食肉动物。 （7）若某动物是哺乳动物且有蹄，则它是有蹄动物。 （8）若某动物是有蹄动物且反刍食物，则它是偶蹄动物。 （9）若某动物是食肉动物且黄褐色且有黑色条纹，则它是老虎。 （10）若某动物是食肉动物且黄褐色且有黑色斑点，则它是猎豹。 （11）若某动物是有蹄动物且长腿且长脖子且黄褐色且有暗斑点，则它是长颈鹿。 （12）若某动物是有蹄动物且白色且有黑色条纹，则它是斑马。 （13）若某动物是鸟且不会飞且长腿且长脖子且黑白色，则它是驼鸟。
人工智能技术与应用（练习一：骨骼识别） 1、（单选，10分）单人骨骼识别不需要包含如下处理过程（） A 、关键点区分 B 、关键点检测 C 、关键点串联 D 、结果输出 答案：A 2、（单选，10分）以下哪项不属于目前常用的人体骨架关键点的定义方式（） A 、18 个关键点 B 、14 个关键点 C、25 个关键点 D、7 个关键点 答案：D 3、（单选，10分） 以下哪种环境/ 条件有助于提升人体骨骼识别的准确率（） A 、肢体遮挡 B 、光照良好 C 、观察视角变化 D 、衣服包裹严实 答案：B 4、（单选，10分）人体骨骼识别与哪项技术的关联程度最低（） A 、区块链技术 B 、视频采集技术 C 、图像处理技术 D 、人工智能相关技术 答案：A 5、（单选，10分）以下哪项不是骨骼识别系统包含的功能（） A 、图像采集 B 、图像预处理 C 、图像模糊化 D 、骨骼关键点识别 答案：C 6、（单选，10分）以下哪项不属于造成多人骨骼识别较单人骨骼识别更具挑战的因素（） A 、关键点区分性弱 B 、背景中的局部区域容易混淆 C 、人与人的重叠 D 、需串联的关键点个数增多 答案：D
7、（单选，10分）当前的骨骼识别技术不适用于以下哪个应用场景（） A 、身份认证 B 、视频监控 C 、体感游戏 D 、运动员辅助训练答案：A 8、（单选，10分） 8. 以下哪家公司不属于人体骨骼识别领域的代表企业（） A 、商汤科技 B 、旷视科技 C 、携程旅行网络科技 D 、凌感科技 答案：C 9、（单选，10分）人的头颈、肩部、手肘关节、手腕关节、髋关节、膝关节等可作为人体骨骼关键点。 A 、正确 B 、错误 答案：A 10、（单选，10 分）在自顶向下方法中，人体目标检测需要用方框标记出一块尽可能大的区域。 A 、正确 B 、错误 答案：B 人工智能技术与应用（练习二：人脸识别） 1、（单选，10分） 以下哪项不是人脸识别系统包含的功能（） A 、图像采集 B 、图像预处理 C 、图像模糊化 D 、匹配比对 答案：C 2、（单选，10分） 未来人脸识别的个人隐私防护不包含（） A 、随意授权自己的人脸信息 B 、立法保障“脸权” C 、规范化人脸数据的使用方法 D 、打击隐私泄露行为 答案：A 3、（单选，10分） 以下哪项不属于生物识别技术（） A 、人脸识别 B 、车牌识别 C 、掌纹识别 D 、语音识别 答案：B
决策支持系统实例 物资分配调拨问题是根据各单位提出对物资的需求申请，按仓库的库存情况制定分配方案，再根据分配放案以及仓库和单位的距离制定物资运输方案。最后按照物资运输方案制定各仓库的发货表和各单位的接收表，修改各仓库库存数和各单位的物资数。 该决策问题需要设计多个数据库和多个模型共同求解。总的处理流程如图： 图1 物资分配调拨流程图 一、物资申请和库存的计划汇总 1、各单位按自己的需求提出对各物资的申请 申请数据库为： D i={SQ(W1)，SQ(W2)，… } i=1,2,3…（1.1） 其中D i表示第i各单位，SQ(W j)表示申请物资W j的需要数量。 将各单位的申请数据库汇总成各单位对物资的需求量，形成总申请数据库。 W j={ SQ(D1)，SQ(D2)，…} j=1,2，3… (1.2) 其中SQ(D i)表示第i个单位对物资W j的申请数量。 该项数据处理需要编制程序，类似于数据库的旋转来完成。
2、 各仓库度物资的可供应情况 K i ={XY(W 1)—KD(W 1)，XY(W 2)—KD(W 2)，…} i=1，2，… （1.3） 其中K i 表示第i 个仓库；XY(W j )， KD(W j )分别表示该仓库中物资W j 的现有数量和最低储备量；XY(W j )—KD(W j )表示物质W j 的可供量。 各仓库的多物资的可供应情况汇总成某一物资个仓库的可供量，形成总库存数据库。 Wj={XY(K 1)—KD(K 1)，XY(K 2)—KD(K 2)，…} （1.4） 该项数据处理工作，要在数据库中计算出可供量后，再进行类似于数据库旋转来实现。 该计划汇总工作构成数据处理模型，它与数据库的关系如图： 图2 计划汇总模型与数据库的关系 二、 制定物资的分配方案 物资分配方案是利用物资分配模型来完成的，该分配模型是通过一系列公式实现。 1、 比较分配情况 对同一物资W j 计算总可供量S （各仓库可供量之和）与总申请量Q （各单位申请量之和）的大小。 2、 物资分配方法 （1） 总可供量大于等于总申请量S ≥Q 物资总申请数据库 物资总库存数据库
2019年基于大数据和人工智能的视频云平台项目可行性研究报告
目录 一、大数据和人工智能的视频云平台项目概况 (3) 二、项目实施的必要性 (3) （1）行业发展与新技术融合的现实需求 (3) （2）顺应市场发展趋势，增强企业竞争力的需要 (4) ①提升资源使用效率 (4) ②为数据的融通提供可能 (5) ③解决海量视频图像信息大数据和人工智能处理的算力问题 (5) ④开放的云模式构建繁荣生态 (5) ⑤更为强大的智能化功能 (6) 三、项目实施对企业未来盈利能力的影响 (6) 四、项目实施对偿债能力和资本结构的影响 (6) 五、项目投资概算 (6) 六、项目建设期及实施进度 (7)
一、大数据和人工智能的视频云平台项目概况 企业计划在现有智能视频产品研发中心基础上组建基于大数据和人工智能的视频云平台开发团队，开发新一代视频云平台产品，提供对结构化、非结构化数据的统一存储、查询、分析和二次加工能力。 新一代视频云平台将利用云计算、大数据、智能视频等新技术升级改造现有视频图像监控系统，有效解决视频图像数据采集整合、价值信息提取、数据结构化处理及存储应用模式变革等问题，建设云架构下视频信息应用平台，为安防实战应用提供服务支撑。通过本项目的开发，企业将进一步提升服务于平安城市、雪亮工程和智慧城市项目的能力，满足市场发展需求，新一代视频云平台的具体建设内容包括：视频云基础设施平台、SVAC视音频数据解析平台、SVAC结构化大数据平台以及丰富多样的业务应用系统。 二、项目实施的必要性 新一代视频云平台产品有助于进一步提升中星技术的技术领先地位，保持企业在行业中的竞争力。 同时可以为政府、公安用户实现从网络监控向智能监控的迁移，扩大企业在平安城市、雪亮工程和智慧城市的市场份额，带动企业收入和利润的不断增长。 （1）行业发展与新技术融合的现实需求 云计算、物联网、大数据以及人工智能等创新技术的不断发展，推动着安防行业与IT技术愈发紧密的融合，云安防时代即将到来。
信息学院 《人工智能及其应用》课程论文题目：基于神经网络的语音信号识别 作者黄超班级自动08-1BF班 系别信息学院专业自动化 完成时间 2011.6.12
基于神经网络的语音信号识别 摘要 语言是人类之间交流信息的主要手段之一，自电脑发明以来，人们就一直致力于使电 脑能够理解自然语言。语音识别技术是集声学、语音学、语言学、计算机、信息处理和人工 智能等诸领域的一项综合技术，应用需求十分广阔，长期以来一直是人们研究的热点。 神经网络是在现代科学研究成果的基础上提出来的模拟人脑结构机制的一门新兴科 学，它模拟了人类神经元活动的原理，具有自学习、联想、对比、推理和概括能力，为很好 地解决语音识别这样一个复杂的模式分类问题提供了新的途径。 本文针时语音识别的特点．对BP神经网络在语音识别技术中的应用进行了探索性研究， 进而结合人工智能领域较为有效的方法——遗传(GA)算法。针对传统BP算法识别准确率高 但训练速度慢的缺点，对BP网络进行改进，构建了一种基于遗传神经网络的语音识别算法(GABP)，并建立相应的语音识别系统。仿真实验表明，该算法有效地缩短了识别时问，提 高了网络训练速度和语音的识别率。 关键词：语音识别，神经网络，遗传算法，遗传神经网络,BP网络 THE RSREARCH OF SPEECH RECOGNITION BASED ON THE NEURAL NETWORK ABSTRACT Language is one of the most important means of exchanging information among the mankind．Since the computer was invented，many scientists have been devoted to enabling the computer to understand the natural language．Speech recognition is a comprehensive technology of such areas as acoustics，phonetics，linguistics，computer science，information processing and artificial intelligence，which can be used widely．The research of speech recognition technology has been focused by the world for a long time．The neural network is a new developing science，which simulates the mechanism of human brain and was putted forward by the developing of modern science．It is not the overall description of human brain，but the abstract，simulation and simplifying of the physical neural networks of human beings. The purpose of the research in this area is exploring the human brain mechanisms in information processing，storing and searching．If people can understand these mechanisms，a new way for the research of artificial intelligence，information processing and etc.
探索大数据和人工智能参考答案 1、下列选项中，不是大数据发展趋势的是？ A.大数据分析的革命性方法出现 B.大数据与云计算将深度融合 C.大数据一体机将陆续发布 D.大数据未来可能会被淘汰 2、2012年7月，为挖掘大数据的价值，阿里巴巴集团在管理层设立（）一职，负责全面推进“数据分享平台”战略，并推出大型的数据分享平台。 A. 首席数据官 B. 首席科学家 C.首席执行官 D.首席架构师 3、在Spark的软件栈中，用于机器学习的是 A. Spark Streaming B. Mllib C. GraphX D. SparkSQL 4、MPP是指？ A. 大规模并行处理系统 B. 受限的分布式计算模型 C.集群计算资源管理框架 D.分布式计算编程框架 5、以下哪个场景可以称为大数据场景？ A.故宫游客人数 B.故宫门票收入 C.美团APP的定位信息 D.文章内容 6、以下应用没有使用你的地理位置信息的是？ A. 美团 B. 滴滴 C. 高德地图 D. Word 7、Hadoop是（）年诞生的？ A. 1985-1985 B. 1995-1996 C. 2005-2006 D. 2015-2016 8、HBASE的特点不包括哪些？ A. 面向行 B.稀疏性 C. 多版本 D.高可靠性 9、整个MapReduce的过程大致分为Map、Shuffle、Combine、（）？
A. Reduce B. Hash C. Clean D. Loading 10、Flume采用了三层架构，分别为agent，collector和（） A. Map B. storage C. Shuffle D. Hash 11、在Spark的软件栈中，用于交互式查询的是 A. SparkSQL B. Mllib C. GraphX D. Spark Streaming 12、下列选项中能够正确说明大数据价值密度低的是？ A. 100TB数据中有50TB有效数据 B. 1TB数据中有1KB有效数据 C. 100PB数据中有100PB有效数据 D. 10EB数据中有10EB有效数据 13、IBM的（）是第一个在国际象棋上战胜人类棋手的人工智能计算机。 A. AlphaGo B. 深蓝 C. 图灵机模型 D. 深度学习机器人 14、下列选项中，不是人工智能的算法中的学习方法的是？ A. 重复学习 B. 深度学习 C.迁移学习 D.对抗学习 15、对抗学习中两个网络互相竞争，一个负责生成样本，那么另一个负责做什么？ A. 判别样本 B. 计算样本 C. 统计样本 D. 生成样本 16、人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，请问它的英文缩写是？ A. AI B. BI C. AL D. AF 17、下列选项中，哪项是由谷歌开发的人工智能算法框架？ A. Kafka
人工智能语音识别发展报告Report of Artificial I ntelligence Development
目录 1.语音识别 (3) 1.1.语音识别概念 (3) 1.2.语音识别发展历史 (4) 1.3.人才概况 (6) 1.4.论文解读 (8) 1.5.语音识别进展 (173)
语音识别 1.语音识别 1.1.语音识别概念 语音识别是让机器识别和理解说话人语音信号内容的新兴学科，目的是将语 音信号转变为文本字符或者命令的智能技术，利用计算机理解讲话人的语义内容， 使其听懂人类的语音，从而判断说话人的意图，是一种非常自然和有效的人机交流方式。它是一门综合学科，与很多学科紧密相连，比如语言学、信号处理、计算机科学、心理和生理学等[8]。 语音识别首先要对采集的语音信号进行预处理，然后利用相关的语音信号处 理方法计算语音的声学参数，提取相应的特征参数，最后根据提取的特征参数进行 语音识别。总体上，语音识别包含两个阶段：第一个阶段是学习和训练，即提取语音 库中语音样本的特征参数作为训练数据，合理设置模型参数的初始值，对模型各个参 数进行重估，使识别系统具有最佳的识别效果；第二个阶段就是识别，将待识别语音信 号的特征根据一定的准则与训练好的模板库进行比较，最后通过一定的识别算法得出识 别结果。显然识别结果的好坏与模板库是否准确、模型参数的好坏以及特征参数的选择 都有直接的关系。 实际上，语音识别也是一种模式识别，其基本结构如下图所示。和一般模式 识别过程相同，语音识别包括如图所示3 个基本部分。实际上，由于语音信息的复 杂性以及语音内容的丰富性，语音识别系统要比模式识别系统复杂的多。 图 6-1 语音识别系统框架 其中，预处理主要是对输入语音信号进行预加重和分段加窗等处理，并滤除其 中的不重要信息及背景噪声等，然后进行端点检测，以确定有效的语音段。特征参数 提取是将反映信号特征的关键信息提取出来，以此降低维数减小计算量，
21世纪经济报道/2014年/9月/29日/第024版 专栏 基于大数据的人工智能：证券投资领域的下一个变革 上海新金融研究院特邀嘉宾北京艾亿新融资本管理公司董事长张家林 随着证券市场的不断发展，越来越多的投资机构开始运用基于大数据的人工智能技术来从事证券投资分析研究与交易。金融市场大数据获取的便利性也使得这一技术迅速渗透到证券投资的各个领域。人工智能技术在证券投资领域的应用正成为下一个互联网金融的热点。由此而产生的全新的投资策略、交易模式将会给监管层带来诸多挑战。 证券投资智能代理方兴未艾 2005年上映的美国电影《绝密飞行》讲述了美国海军加载在一部球形量子计算机中的人工智能“艾迪”的故事。2013年5月14日，美国海军的X-47B无人战斗飞行器从“乔治布什”号航空母舰成功进行了飞行测试。不到8年时间，人工智能技术的应用从好莱坞电影逐渐变成现实，最新的例子如谷歌研发的无人驾驶汽车。事实上，基于大数据的人工智能在过去的十几年时间里得到了极大的发展，积累了大量的技术、分析方法以及应用实例。 人工智能（AI，Articial Intelligence）定义为从环境中接收感知信息并执行行动的智能代理（IA，Intellgent Agent）。从外部看，每个这样的智能代理都实现了一个把感知序列映射到行动的函数集，这些函数集从外部反映了智能代理的特性。从内部看，智能代理函数集是通过运行在自身结构上的智能代理程序实现的。 目前很多投资机构开始运用基于大数据的智能代理进行证券投资。虽然智能代理也是由程序实现的，但它构建了学习机制以及建立在其上的知识库，因此，具备了一定的学习、推理以及进行决策的能力。 资本市场本身的特性，使得证券投资智能代理面临非常复杂的任务环境，其特征表现为部分可观察、随机的、延续式的、动态的、连续的和多代理人的。交易所高频行情数据以大概每分钟6MB的速度更新，数据的增长速度是惊人的。计算1天的所有状态估计的计算量超过10的100次方（目前可观测到的全部宇宙的原子的数目小于10的80次方）。因此，设计一个能够应对全部任务环境的智能代理几乎是不可能的。目前通常的做法是给定一个具体的任务环境，然后设计开发智能代理。 由于早期的计算能力和数据有限，设计开发者的视野和认知受限，设计开发出来的证券投资智能代理大部分是简单复制某些已知的投资策略。只是由于计算机处理的效率和没有人为因素影响，使得其能够获得比人操作更好的表现。目前很多高频交易、量化交易都属于此类形式。此类智能代理没有“贡献”新的认知。 证券投资领域将出现革命性变革 随着近几年大数据技术的广泛应用，智能代理的任务环境扩展到了更宽、更深的领域。机器学习技术的大规模应用，使得智能代理具备了超越其设计开发者的认知和视野的能力：智能代理可以“贡献”新的认知。证券投资领域因此将会产生革命性的变革。 首先是投资策略生产的变革。传统的投资策略生产模式将被颠覆，大部分分析师的工作都可以被智能代理取代，而且可能做得更好。其次，投资策略的生产从“确定的模型”向“随机的效用”转变。“确定的模型”是确定的事件发生时，通过模型计算，求解最优的配置资产的方案。“随机的效用”是依据效用函数对发生的随机事件进行反应，求解最优效用资产配置方案。机器学习的强大挖掘能力，结合大数据，将会产生更多以往无法通过经验和理论推导出来的新认知，成为新的投资策略持续生产的源泉。而且由于速度的提高，使得投资策略的生产时间从以往的短则几
第十一章决策支持系统 1 决策支持系统的概念 1.1 决策支持系统的产生与发展 诺贝尔奖获得者西蒙强调管理就是决策，认为一个组织的管理活动主要就是决策活动。对于决策依赖有两个观点： ?依靠决策者的经验、智慧、洞察力和魄力 ?依靠科学方法和技术 为克服人性的弱点和计算机的机械性，综合人的分析判断能力和计算机强大的信息处理能力，产生了决策支持系统。 – 20世纪70年代，产生了许多较有代表性的DSS： 支持投资者对顾客证券管理日常决策的Profolio Management System； 用于产品推销、定价和广告决策的Brandaid； 用以支持企业短期规划的Projector； 用于大型卡车生产企业生产计划决策的Capacity Information System，等等 DSS的发展也体现在部件的扩展和新技术、新方法的不断引入。增加知识库和推理机，形成了智能DSS；应用网络技术，形成了群体DSS；集成分布的资源，形成了分布式DSS；结合Web 、智能系统和／或电子商务，形成了基于Web的DSS。
1.2决策支持系统的功能与定义 DSS的定义： DSS是一种以计算机为工具，应用决策科学及有关学科的理论与方法，以人机交互方式辅助决策者解决半结构化和非结构化决策问题的信息系统。 DSS实现以下目标： 在人的分析与判断能力的基础上，借助计算机与科学方法，支持对半结构化和非结构化问题的有序决策，以获得尽可能令人满意的客观的解或方案。 不同类型的DSS，目标和功能略有不同。 DSS的主要功能： 能存储、管理、维护和组织决策模型、求解方法； 用模型与方法对数据进行加工、汇总、分析和预测，得出综合信息与预测信息； 具有方便的人机对话和图象输出功能，能满足随机的数据查询要求，回答“What … if … ” 之类的问题。 DSS 的主要特征： 对准结构化程度不高、说明不够充分的决策问题 模型或分析技术与传统的数据存取及检索技术相结合 易于为非计算机专业人员以交互方式使用； 强调对环境及用户特点的灵活性适应性； 支持但不是代替高层决策者制定决策。 例： 某企业为确定生产规模和合适的库存量建立DSS。模型库存有生产计划、库存模拟模型等，数据库存有历年销售量、资金流动情况、成本等。 决策者通过计算机终端屏幕，根据DSS 提供最佳订货量和重新订货时间，相应的生产成本、库存成本等信息，进行“如果……将会怎样？”的询问。 对所提方案进行灵敏度分析，或者以新的参数进行模拟而得到一个新方案。 需要特别说明： 决策支持系统并不强调寻找最优解，也不意味着提供最后结果，而是为决策者做出自己的判断提供支持； 由决策者在一系列选择中，综合其他不适宜进入模型的因素，得出最后的合理的决策方案。 1.3 决策支持系统的应用与分类 按总体功能划分，DSS有以分析为主、以求解为主和兼有分析与求解等三大类。 分析类既为把握决策问题又为决策前期工作，能为决策方案的设计和抉择提供依据； 求解类为决策者提供决策过程和方案抉择支持； 分析求解类具备分析类与求解类的共同功能。 DSS的分类有多种角度： 按社会领域划分：经济、管理、教育、科技、医疗、政治、军事 按管理层次划分：战略、控制和作业 按管理职能或管理对象划分：营销、生产、采购、财务、人力资源、研发 按决策者划分：个人、群体、高层主管 从发展角度划分：传统、智能、群体、分布式 概括起来，比较成功的DSS应用具有以下特点： （1）大都带有问题分析功能，有些实质上就是一类决策分析系统。 （2）有积累大量数据的信息系统，如ERP系统、CRM系统、经济统计系统的信息支
学生实验报告书 实验课程名称决策支持系统 开课学院 指导教师姓名 学生姓名 学生专业班级
实验报告填写说明 1．设计性、综合性实验必须填写实验报告，验证、演示性实验可不写实验报告； 2．老师在指导学生实验时，必须按实验大纲的要求，逐项完成各项实验； 3．每项实验依据其实验内容的多少，可安排在一个或多个时间段内完成，但每项实验只须填写一份实验报告；4．教师在每份实验报告后均须给出实验成绩，及简短的评语以说明评分的依据； 5．课程实验的所有实验项目结束后，学生应将每项实验按实验先后次序及封面一起装订成册，交实验指导老师；6．实验指导老师综合学生各项实验的成绩，给出相关课程实验环节的总评分，并记入课程总成绩中。
推的基本假设是未来系过去和现在连续发展的结果。趋势外推法的基本理论是：决定事物过去发展的因素，在很大程度上也决定该事物未来的发展，其变化，不会太大；事物发展过程一般都是渐进式的变化，而不是跳跃式的变化掌握事物的发展规律，依据这种规律推导，就可以预测出它的未来趋势和状态。 a)二次曲线模型预测法。在市场上，某些产品的销售并不一定按同一趋势发展， 有可能出现先上升而后下降的趋势；也有可能出现先下降，当下降到一定程度 后又迅速上升的趋势。二次曲线模型在图形上正好表现出了上述的两种趋势， 利用历史资料，拟合成二次曲线模型，这一模型的应用已经成为市场预测中的 一种普遍方法。 b)在一定时期内，有些产品的销售量往往表现为随着时间的变化按同一增长率不 断增加或不断减少。指数曲线预测法正是针对这种产品的销售变化趋势，利用 其时间序列资料，拟合成指数曲线，建立模型并进行预测的一种方法。 5)季节周期法。 许多产品的市场需求往往有季节性。例如，服装、空调和冷饮等。对于这类产品市场需求的预测，需要考虑季节波动的因素。同季平均法是分析、预测季节波动一种最常用、最简单的方法，主要适用于受季节波动和不规则波动影响、而无明显的趋势变动规律的产品市场需求预测。 2 功能分析 市场预测支持系统的软件结构，应充分考虑市场需求预测所涉及到的市场环境复杂、预测种类繁多及不确定影响因素多等特点，许多影响因素的作用很难用定量的方法确定，需要发挥人的主观能动性和判断力。 市场预测支持系统的功能结构包括几个子系统，如图2-1所示。 图2- 1 市场预测支持系统的功能结构 3 逻辑结构分析 根据产品市场需求预测的一般过程和预测支持系统的功能结构，系统的市场需求预测过程逻辑结构可由预测产品及其相关资料数据调入、预测模型选择、最佳预测模型确定及预测值的分析、修正等模块组成，如图3-1所示。
人工智能专家系统论文 摘要：人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法。 技术及应用系统的一门新的技术科学。该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。其中专家系统是一种模拟人类专家解决领域问题的计算机程序系统。它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，求解需要专家才能解决的困难问题。 关键词：计算机，人工智能，专家系统 引言： 人工智能(Artificial Intelligence) ，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。从基础理论的角度出发，其研究基本内容包括：知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。 人工智能系统的开发和应用，已为人类创造出可观的经济效益，专家系统就是一个例子。随着计算机系统价格的继续下降，人工智能技术必将得到更大的推广，产生更大的经济效益。 专家系统(expert system)是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题。也就是说，专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题，简而言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。 专家系统属于人工智能的一个重要发展分支，并且应用于数学、物理、医疗、军事、地质勘探、气象、农业、法律、教学、化工、机械、艺术以及计算机科学本身，甚至渗透到政治、经济、军事等重大决策部门，产生了巨大的经济效益和社会效益。现在，专家系统已成为人工智能领域中最活跃、最受重视的领域。[1].[2] 一、专家系统 1.1 专家系统的特点 (1).具有专家水平的专业知识：专家系统中的知识按其在问题求解中的作用可分为三个层次，既数据级、知识库级、控制级。数据级知识是指具体问题所提供的初始事实及在问题求解过程中所产生的中间结论、最终结论。数据级知识通常存放与数据库中。知识库知识是指专家的知识。这一类知识是构成专家系统的基础。控制级知识也称为元知识，是关于如何应用前两种知识的知识，如在问题求解中的搜索策略、推理方法等。具有专家专业水平是专家系统的最大特点。专家系统具有的知识越丰富，质量越高，解决问题的能力就越强。 (2).能进行有效的推理：专家系统要利用专家知识来求解领域内的具体问题，必须有一个推理机构，能根据用户提供的已知事实，通过应用知识库中的知识，进行有效的推理，以实现问题的求解。 (3).启发性：专家系统能利用经验的判断知识来对求解的问题作出多个假设。依据某些条件选定一个假设，是推理继续进行。