商务智能技术及应用内容

第七章智能技术及应用,IntelligenceTechnologyIntroductionandApplication,2,智能技术及应用(内容),第一节人工智能技术第二节智能商务,3,智能技术及应用(要求),定义人工智能解释为什么专家系统可以保存和使用知识组织如何利用智能技术改进知识的获取和使用智能商务如何帮助组织获得竞争优势,第一节人工智能,一、什么是人工智能,6,人工智能(AI)的概念,基于计算机的具有智能和模拟人的智能行为功能的系统特点：基于计算机系统具有一定的智能能够全部或部分模拟人的智能行为,7,研究人工智能的目的,建立一套不包括人类感觉的机理排除由人掌握的经常性不满意的工作保存专家的意见按有效的方式保存信息通过对短时间由人无法分析的大规模复杂系统问题提出建议来增强组织的知识库,8,人工智能的研究应用领域,语言学习自然语言完成实际任务机器人使用感觉器官感觉系统效仿专家的决策专家系统执行任务“智能”机器,9,人工智能的成果,机器人技术智能设备识别技术知识的保存和使用,二、专家系统,11,专家系统,通过获取人类专家在特定领域内的意见建立的集中知识的计算机程序专家系统一般通过提问和解释帮助决策者做出决策特征基于计算机系统以专家的知识和经验为依托通过提问和解释的方式支持决策者的决策,12,专家系统的局限性,针对特定的问题有限的应用领域专家的确认专家知识的获取专家知识的保存和使用,13,专家系统工作原理,知识库用于专家系统的人类知识的模型主要工作方式基于规则知识框架推理机,14,15,知识框架,16,前向推理机,17,专家系统的建立,建立专家系统需要专家(提供知识和经验)知识工程师(翻译知识)步骤确定特定的问题建立原型验证知识翻译及推理建立完整系统，增加大量知识,18,专家系统的问题,开发投入与运行投入知识的有效性知识的成功表达与使用只能解决有限问题,19,基于案例推理的组织智能,将知识按照案例的方式组织在数据库中通过对数据库中案例的搜索实现知识的利用通过不断补充案例实现知识的积累,20,基于案例的推理过程,三、其它智能技术,22,神经网络,模仿生物大脑活动的硬件或软件生物大脑活动的特点由神经元组成最小活动单位神经元之间相互作用神经元间并行活动,23,生物神经元结构,24,人工神经元,25,神经网络,26,神经网络与专家系统区别,神经网络不将人类智能模型化神经网络不需要对方案编程神经网络不直接面对特定问题神经网络强调学习能力神经网络经常无法解释得到结果的途径神经网络比较敏感，训练数据少或过多都会影响训练效果,27,神经网络几个应用,销售神经网络：确定销售模式神经网络用于国防：雷达模式识别神经网络用于电力系统：预测,28,模糊逻辑,一种允许使用不精确的隶属函数来解决问题的基于规则的人工智能方法将所有判断都看作是不精确的(模糊的),29,遗传算法,利用遗传方法利用0,1表示方案特征步骤在初始方案中选取种子进化重组种子自然淘汰获得最好结果,30,遗传算法应用,遗传算法用于甄别嫌疑犯遗传算法用于供应链管理遗传算法用于金融业遗传算法用于电视广告遗传算法用于数据挖掘,31,传统智能技术研究方法,以整体为对象研究整体所反映的行为以概率的形式反映个体在整体中的地位,32,智能自主体（代理）,以每个拥有智能的个体为对象通过研究个体及个体之间的关系来观察整体的行为突现对每个个体详细描述,第二节智能商务,34,智能商务,目的：将组织现有数据转化成为知识而提高组织决策的科学性和有效性效益：为组织提供从数据中发现新关系的能力加强组织决策及决策过程的精确性,35,实现智能商务的步骤,有充分的正确数据可以利用数据抽取(数据仓库)这些数据被转换成为可利用的信息数据分析(多维分析)这些信息被传递给需要它们的人员关系发现(数据挖掘),一、数据仓库,37,数据仓库的概念,数据仓库就是支持管理决策过程的、面向主题的、集成的、随时间可变的、持久的数据集合。W.H.Inmon的定义,38,数据仓库的特征,面向主题数据时间跨度大数据量大内容随时增加,39,数据仓库的基本功能,数据获取数据存储和管理信息访问,40,数据仓库的基本体系结构,41,数据仓库成功实施的保证,集中解决实际的业务问题争取数据仓库的拥护者确保项目的实施详尽的数据支持可靠的历史数据适应于业务的技术,二、在线分析,43,在线分析的概念,通过快速、一致、交互地访问各种可能的信息视图，帮助管理人员掌握数据中存在的规律，实现对数据的归纳、分析和处理，帮助组织完成相关决策。,44,在线分析系统的体系结构,45,在线分析的基础,变量：数据的实际意义维：观察数据的特定角度维的层次：如年、月、日等维的成员：维的取值多维数组：多个方面表示的数据数据单元：多维数组的取值,46,在线分析中的多维数据,47,多维分析的基本操作,切片：在多位数组中选定某一维成员切块：在某一维中选定某一区间钻取：某一维中观察上下层状况旋转：改变观察的方向,三、数据挖掘,49,数据挖掘的概念,所谓数据挖掘(DataMining)，就是从大型数据库的数据中提取人们感兴趣的知识。这些知识是隐含的、事先未知的潜在有用信息。W.J.Frawley,G.Piatetsky-Sjapiro,50,相关的研究领域,归纳学习机器学习统计分析,51,知识的表达方式,概念(Concepts)规则(Rules)规律(Regularities)模式(Patterns)约束(Constraints)可视化(Visualizations),52,知识的使用方式,提供给决策者用以辅助决策提供给专家用以修正知识作为新的知识存储于知识库中,53,数据挖掘的过程,54,数据挖掘工作的过程,数据准备阶段数据挖掘阶段结果表达和解释阶段,55,数据准备阶段的工作步骤,数据集成数据选择数据预处理,56,数据挖掘阶段的步骤,决定如何产生假设用户设定假设验证知识系统设定假设发现知识选择合适的工具发掘知识的操作证实发现的知识,57,结果表达和解释阶段的步骤,对提取出的信息进行分析将知识提交给