前言：中文期刊网精心挑选了智能时代的特征范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
智能时代的特征范文1
关键词：智能视频监控；物联网；公共安全
中图分类号：TP31 文献标识码：A 文章编号：1006-8937（2016）11-0077-02
1 概 述
近年来，视频监控技术取得飞速的发展，其中视频监控系统设备虽然拥有了较好的性能，但仍存在一些因素限制，使得视频监控出现一些误差缺陷，导致整个系统的安全性和实用性大大降低。此外，社会的不断发展和人口数量的不断增多使得人们对安全性要求越来越高，监控摄像的覆盖面不断扩大，传统的视频监控技术只能实现监控记录实况，无法实现预测和报警，而实现实时监控，就需要人工监看视频，时间过久就会出现疲劳，甚至在面对多路视频监控时容易出现错误，无法及时对异常情况作出反应。这些问题的解决就需要将智能监控技术引入视频监控系统中，辅助视频监控人员做好监察工作。
目前，计算机的视觉进步使得智能监控技术得到广泛的重视和研究，也使得智能视频监控技术成为研究的热点。为从众多数据中高效提取出有用的信息，监控工作就需要充分应用智能视频监控技术。具体来讲，智能视频监控技术就是由计算机储存摄像图像并对图像序列内容进行理解和分析，及时检测出异常情况，进行自动预警和报警。
2 智能视频监控技术的发展史
视频监控技术的研究有助于相关人员做好安全防范工作，尽可能地从被监控的区域用最短时间获取有用的信息。最初我国监控是完全依赖人工获取信息和处理信息的，比如清朝的东厂，以及飞鸽传书、守门之犬。乔家大院的“万人球”是中国历史上最早被采用来进行监控的外部设备，本质上是水银玻璃制作的镜子，主要用它来监视房间内的一举一动。到了19世纪70年代才真正出现了现在的视频监控，人类开始采取摄像来获取信息，这也是智能视频监控技术的最初萌芽时期。鉴于信息科技的不断发展和市场需求得不断提高，现代的视频监控技术发展大体上三个阶段：模拟化、数字化和智能化。本部分将具体对这三个阶段进行阐释。
2.1 模拟化的视频监控技术
在20世纪70年代开始，光学成像技术飞速发展，电子技术也取得了较大的成就。这些成果都使得视频监控设备制作和使用可能性加大。为了实现这样的目标，世界出现了电子监控系统，满足了利用电子设备进行监控的需要。此阶段主要是以CCTV监控为主，这也就是早期的模拟视频监控系统。CCTV的工作原理就是采用同轴电缆进行传输信息，信息由模拟监视器显示、由磁带录像机进行信息储存。模拟视频监控技术的价格较为低，安装简易，主要广泛被采用到规模较小的安全防范系统中。
2.2 数字化的视频监控技术
到了20世纪90年代，数字压缩编码技术和芯片技术取得了较为突出的进步。再者模拟化的视频监控技术出现了一些缺陷，比如磁带录像机的储存量较小，监控范围有限等。初期主要采用NVR，被称为半数字时代，慢慢发展到后期主要采用DVR进行监控，这才真正实现了数字化的视频监控。DVR最显著的特点就是可以使得监控系统储存较多的视频信息，容纳较多的摄像头，从而解决了模拟视频监控系统的储存量问题。数字化的视频监控技术应用广泛，具有良好的扩展性，使用维护较为简单容易。数字化的视频监控技术发展为以后智能化的视频监控发展奠定了基础。
2.3 智能化的视频监控技术
进入21世纪，计算机视觉和模式识别技术获得了飞速的发展，使得第二代的数字化视频监控技术取得较大进步。因此，大规模的布置监控系统的可能性加大。目前全球对视频监控系统需要迫切，各区域的摄像头越来越多，这样方便了大规模的安全防范工作，可以及时获取大量的数据信息进行实时监控，但是也给人类带来较大的挑战。鉴于这些问题，世界上出现了智能化的视频监控系统，主要利用计算机视觉和模式识别技术对视频图像利用各种算法进行分析，依据事先设置好的安全程序及时发出报警信号，做好事中分析和预警工作。
3 智能视频监控技术的核心算法
作为智能化的视频监控系统，最大的特点就是可以自动化运行，全天二十四小时对监控画面进行实时分析和报警。这样既能及时识别异常情况，还能提醒安保人员做好准备工作。智能化应用于视频监控技术得到了各界的认可，本部分主要介绍从底层、中层和高层三个层次智能视频监控技术的核心算法。
3.1 目标检测算法
目标检测算法主要是在底层对视频图像进行采集获取终端上的图像序列，对异常情况目标进行检测，跟踪目标以便及时对目标做好后续的处理分析工作，其中关键就是确定目标的位置和储存量。
目前根据处理对象不同可将目标检测分为两种：基于目标建模的目标检测和基于背景建模的目标检测。前者主要特征就是应用场景较为广泛：既能对固定摄像机记录的视频图像进行分析，还能对静态图像和移动摄像机记录的视频图像进行分析。主要应用于检测速度较慢、扫描视频图像较多的区域，此检测方法实时性较差，且对受遮挡影响较大，容易漏检。后者只能适用于背景不变的运动目标，若背景发生变化时无法检测。此检测方式主要针对视频进行较快的处理，对受遮挡部分的影响较小，一般实时性较强，广泛应用于固定摄像机检测。
3.2 目标跟踪算法
目标跟踪算法主要是针对底层阶段确定好的目标进行跟踪，确定目标的具体轨迹。目标跟踪问题的解决关键点在于处理好计算机视觉的问题，这也是实现智能视频监控技术的关键环节，应用性较为广泛。目前依据应用场景的差别将目标跟踪算法分为两种：单一场景目标跟踪和综合场景目标跟踪，前者具体细分为跟踪单个目标和跟踪多个目标，后者具体细分为重叠场景目标跟踪和非重叠场景目标跟踪。在单个场景中，一个目标可以在连续的空间里非常相似；而在重叠场景中的目标跟踪时较为复杂，目标可以从一个场景进入另一个场景，需要在连续的空间里确定好新进入场景的目标的具体信息；在非重叠场景的目标跟踪算法中，鉴于场景间相互存在盲区，不同场景会影响到同一目标的观测数据信息。
3.3 目标的分类识别算法
目标的分类和识别主要是在中层阶段以底层上获取的信息为基础，对其进行判断识别，具体认知目标，做好定位目标的工作。简单来说，就是判断识别视频图像中的物体类别，以识别目标的具体情况。这也是高层计算机视觉得到广泛应用的前提。近十年来主要有词袋模型和深度学习模型这两种算法得到广泛的应用。前者主要是将大量的工作集中在特征编码和特征汇聚上，主要是由特征提取出来数据信息，接着对其进行特征聚类、编码和汇聚，最后由分类器做好分类工作。而后者主要是模拟人脑的神经元处理结构听过学习层次化的方式将目标由底层到中层再到高层的特征进行记录，最终建立反馈机制并形成认知。
3.4 行为分析算法
行为分析主要是在高层充分应用计算机视觉信息对行为主体即目标的具体运动进行分析的算法。根据信息的复杂度不同可将行为分析分为静态姿态识别、运动行为识别和复杂事件分析方法三种。第一种主要是将静态图像作为研究对象，根据时空特征对其进行识别，分析目标的时空体特征、局部特征和轨迹特征。第二种主要是利用时序推理其行为，并利用统计模型和句法模型对目标的行为进行分析。第三种主要是分析目标的交互行为和群体行为。
4 物联网时代下的智能视频监控的挑战及发展方向
4.1 跨场景挑战
目前全球的摄像头数量越来越多，急需智能视频监控技术可以跨各个场景适用。同时监控使用的摄像机不单单包括固定摄像机，还包括移动摄像机等，这些都是的监控摄像机在全球各场景下广泛分布，而如何将这些设备建立成一个系统的体系是将来智能视频监控技术面临的一大挑战。
4.2 跨空间挑战
从视频监控系统开始发展至今，监控数据种类也由单一变得复杂多样，很多信息都可以作为监控数据的载体，进行数据储存。这使得处理数据工作也变得繁琐复杂，因此如何处理好各个载体中的信息，获取有效的信息，将大数据转变成为小数据是未来智能视频监控技术面临的一大问题。
4.3 发展方向
基于物联网时代的迅速发展，智能视频监控技术将面临巨大的机遇和挑战。物联网时代下，信息的传送和集中可以实现跨空间获取有用的数据，还可以扩展到多样化的智能分析。大体上将来的智能视频监控技术具有三大特性：高效视觉网、主动视觉网和协同视觉网。这也是将来智能视频监控系统发展研究的主要方向。
5 结 语
综上所述，智能视频监控技术的发展时间较长，且具有广阔的发展空间；智能视频监控的核心算法还处于积累阶段，需要不断应用验证技术，做好研究工作。物联网时代下的智能视频监控技术面临着巨大的机遇和挑战。我们坚信在未来智能视频监控技术将为监控系统发挥最大的作用，适应时代的发展。
参考文献：
[1] 韩国强.浅谈智能视频监控技术及其主要应用[J].计算机与网络，2014，（2）.
智能时代的特征范文2
金融行业信息化
最具影响力企业奖
迈普率先提出“智能服务”的概念，认为能够自动辨识用户的显性和隐性需求，并且主动、高效、安全、绿色地满足其需求的服务，就是“智能服务”。迈普希望抓住行业应用向“智能服务”演进的契机，提供更多智能化行业应用系统，帮助行业客户为最终用户提供更加智能的服务。
近日，“众核引领智胜未来”迈普2012年解决方案巡展正在全国范围内举行。本次巡展覆盖12个省会城市，为用户、合作伙伴呈现迈普在智能服务中提供的相关产品和解决方案。同时，迈普还通过产品演示、现场应用场景体验、互动交流等全方位的呈现形式，与广大用户进行零距离互动，进一步向用户呈现迈普具备“主动、高效、安全、绿色”特征的智能服务相关产品和解决方案的理念和实际的使用效果，客户普遍反映，感受到迈普带来的全新应用体验。
迈普率先提出“智能服务”这一概念，并认为，能够自动辨识用户的显性和隐性需求，并且主动、高效、安全、绿色地满足其需求的服务，就是“智能服务”。迈普希望抓住行业应用向“智能服务”演进的契机，提供更多智能化行业应用系统，帮助行业客户为最终用户提供更加智能的服务。
本次巡展，迈普从智能服务基础设施、基于应用的智能运维平台、智能传媒系统等方面诠释了“智能服务”给企业带来的变化。其中，迈普在今年3月的全球首款512核分布式高端路由器MP8800作为承载智能服务的基础设备，为智能服务提供不间断的数据转发。此款具有自主知识产权的路由器基于众核处理器技术以及高级电信计算架构eATCA构建，实现了数据平面、控制平面、监控平面分离的运营级全分布式架构，在采用运营级架构设计后，该核心路由器具备全冗余性，在任一部件出现问题情况下，数据转发依然不会丢包。MP8800充分考虑云时代的特征，针对业务、内容的数据处理特点，可实现客户业务的开放化和业务的云端化。此款路由器采用了CPU虚拟化技术、基于矩阵式网络的MIMO核间通信技术、智能分流技术等多项业界领先的技术成果，获得了国内领先，国际先进的科技鉴定成果。目前该路由器已经被政府、金融、政法、公安等众多高端客户认可和使用。
智能时代的特征范文3
【关键词】大数据时代 “四V”特征 流量经营 安全威胁
随着移动互联网、物联网、云计算等的快速发展，及视频监控、智能终端、应用商店等的快速普及，全球数据量出现爆炸式增长。即使在遭遇金融危机的2009年，全球信息量也比2008年增长62%，达到80万PB（1015字节），2010年增至120万PB。据IDC预测，至2020年全球以电子式形存储的数据量将达32ZB（1021字节）。以120万PB数据为例，如果将其刻录在DVD上，再将这些盘片堆叠起来，可从地球到月球垒一个来回！
在此背景下，电信运营商在其网络无休止扩容的同时，却面临“增量不增收”的困境；而一些采用“数据驱动型决策”模式经营的公司，则可将其生产力提高5%～6%。因此，有必要深入研究大数据时代（Big Data Era）的挑战、价值与务实应对策略。
1 大数据时代的基本特征
据统计，2010年以互联网为基础所产生的数据比之前所有年份的总和还要多；而且不仅是数据量的激增，数据结构亦在演变。Gartner预计，2012年半结构和非结构化的数据，诸如文档、表格、网页、音频、图像和视频等将占全球网络数据量的85%左右；而且，整个网络体系架构将面临革命性改变。由此，所谓大数据时代已经来临！
对于大数据时代，目前通常认为有下述四大特征，称为“四V”特征：
（1）量大（Volume Big）。数据量级已从TB（1012字节）发展至PB乃至ZB，可称海量、巨量乃至超量。
（2）多样化（Variable Type）。数据类型繁多，愈来愈多为网页、图片、视频、图像与位置信息等半结构化和非结构化数据信息。
（3）快速化（Velocity Fast）。数据流往往为高速实时数据流，而且往往需要快速、持续的实时处理；处理工具亦在快速演进，软件工程及人工智能等均可能介入。
（4）价值高和密度低（Value High and Low Density）。以视频安全监控为例，连续不断的监控流中，有重大价值者可能仅为一两秒的数据流；360°全方位视频监控的“死角”处，可能会挖掘出最有价值的图像信息。
2 大数据时代面临的挑战
（1）运营商带宽能力与对数据洪流的适应能力面临前所未有的挑战，管道化压力化解及“云—管—端”的有效装备也均面临新挑战。
（2）大数据的“四V”特征在数据存储、传输、分析、处理等方面均带来本质变化。数据量的快速增长，对存储技术提出了挑战；同时，需要高速信息传输能力支持，与低密度有价值数据的快速分析、处理能力。
（3）海量数据洪流中，在线对话与在线交易活动日益增加，其安全威胁更为严峻；而且现今黑客的组织能力、作案工具、作案手法及隐蔽程度更上一层楼，典型的有APT（Advanced Persistent Threat，高级持续性安全威胁）。
（4）大数据环境下通过对用户数据的深度分析，很容易了解用户行为和喜好，乃至企业用户的商业机密，对个人隐私问题必须引起充分重视。
（5）大数据时代的基本特征，决定其在技术与商业模式上有巨大的创新空间，这将对可持续发展起关键作用。
（6）大数据时代的基本特征及安全挑战，对政府制订规则与监管部门发挥作用提出了新的挑战。
3 大数据带来的价值
（1）利用大数据特征，借助云计算等有效工具，深度挖掘流量与数据价值，可帮助运营商实施好流量经营，减轻管道化风险，发扬“云—管—端”的智能管道的威力。
（2）多业务环境下掌握用户体验效果尤为重要，可从海量用户数据中深度分析、挖掘出用户的行为习惯和消费爱好，以实施精准营销及网络优化，掌控数据增值的“金钥匙”。
（3）掌握好大数据的存储、分类、挖掘、快速调用和决策支撑，并应用于企业的日常运营、维护及战略转型中，成为企业可持续发展、维持竞争优势的当务之急与重要途径。
（4）充分利用对大数据的分析、挖掘，可帮助找到隐蔽性极强的APT之类的安全威胁，助力信息安全部门找到应对新型安全威胁的有效途径。
（5）通过对公共大数据的分析、挖掘与利用，可减少欺诈行为及错误数据的负面作用、追收逃税漏税及刺激公共机构生产力等，帮助政府节省开支。例如英国政府即通过此途径节省大约330亿英镑/年。
4 大数据时代的应对策略
（1）大数据时代应以智慧创新理念融合大数据与云计算，在大数据洪流中提升知识价值洞察力，实施高效实时个性化运作，建立有效增值的商业模式，确保应对APT之类的新型安全威胁。
（2）电信运营商转型中流量经营已成共识，即以智能管道与聚合平台为基础，以扩大流量规模、提升流量层次及丰富流量内涵作为基本经营方向，并以释放流量价值为基本目标，可见大数据和云计算的深度融合与此流量经营目标十分吻合。实际上已经有一些运营商借助大数据Hadoop云工具管理与分析网络中的用户数据，为日常运维及制定市场战略等提供有效支撑。
（3）针对大数据时代的基本特征，加强全方位创新。包括IBM、EMC、HP、Microsoft等在内的IT巨头，纷纷加速收购相关大数据公司进行技术整合，寻找数据洪流大潮中新的立足点。而涉及人工智能、机器学习等新技术的创新应用，已初显效益。
智能时代的特征范文4
关键词：智能 仪器仪表 现状特点 发展趋势
中图分类号：TH89 文献标识码：A 文章编号：1007-9416（2014）05-0234-02
随着网络时代的来临，仪器仪表行业借助于信息技术、微机械技术以及微电子技术等的发展成果，出现了以智能化为特征的发展趋势，在环保、交通、教育、医药以及通讯等各行业都得到了普遍运用，智能化设备的普及开始日益影响着我们的生产生活，给社会的发展带来了极大便利。
1 我国仪器仪表行业技术发展的现状
我国仪器仪表行业发展较晚，起点低，但经过近些年的迅速发展，在产品结构如工业自动化、电工、环保、医疗、信息技术、测量测试等仪表技术及元器件制造方面开始有了长足的进步。进入“十二五”时期，新兴行业的发展、研发水平的提高、应用市场的旺盛需求，如在节能减排、低碳环保等环保、资源压力下，国家对能源的需求带动了风电、核电、太阳能等新能源的发展；交通压力带来的出行难、电子商务的发展也直接促进了物联网、智能电网以及高铁和轨道交通业的建设，这些都为仪器仪表产业提供了良好的机遇。尤其是智能化技术已经成为时代的潮流，必将进一步推动行业整体水平的提升。
2 智能化仪器仪表技术的特点
智能仪表的发展是由1983年美国霍尼韦尔公司研制的智能压力变送器开始的，这标志着仪器仪表制造从传统的模拟仪表向着数字化智能仪表的重大转变。由于计算机、网络通信等相关技术的飞速进步，极大地促进了仪器仪表技术发展。
智能仪器仪表主要具备以下几个特点。
（1）高度集成化
硬件的集成化、模块化是现代仪器仪表的一个重要特征，可以使得仪器自身变得更加简洁、更加灵活，虽然体积变小，但功能更强大、齐全，具备了搜集、处理、输出以及对话沟通功能，如智能数字多用表除了传统的测量功能外，还能进行零点平移、平均值、极值、统计分析以及数据处理，大大提高了工作效率。
（2）硬件功能软件化
在智能化条件下，由于仪器仪表采用了多样化的通用接口，从而编制各种各样的软件进行匹配成为可能，这也有效地拓展了仪器仪表的用途，提高了仪器仪表的使用效率。数字信号处理）（DSP）技术的发展极大增强了仪器的信号处理能力，软件的高速处理可以很快地实现很多硬件难以处理的问题，同时编程软件技术的不断修改升级，又可以在不更新硬件系统的环境中，轻松地带来以软件实现仪器仪表的升级换代。软件系统的可升级、可扩展性以及通用性等显著特征，代表了仪器仪表的未来发展方向（图1）。
（3）功能的网络化
以功能强大的微处理器和操作系统作为支撑，现在的仪器仪表已经具备了双向通信能力，不仅能够做到信号的采集和控制，也能够迅速地实现计算分析和传输功能，甚至远程的实时控制也已经变成了现实。基于Internet的测控系统，不管距离多远，操作者都可通过客户机浏览到实时数据，掌握设备运行情况；同时还能运用智能化软件和数据库系统进行数据分析，从而可以节省时间、快速决策，直接的下达各项指令。
（4）多功能化
智能仪器仪表具有极强的通用性和多功能性，几乎都配有GP-IB（或RS-232C）通信接口总线，可以像堆积木一样，与PC机、各种可程控仪器组成一个多功能的网络，形成一个通用平台，调用不同的软件后就能形成功能不同的仪器和系统，从而完成较复杂的测试任务。例如具有脉冲发生器、频率合成器和任意波形发生器等功能的函数发生器，不但性能上比专用脉冲发生器和频率合成器高，而且在各种测试功能上提供了较好的解决方案。
（5）自动化
借助PC技术，人机交互、模糊控制、多媒体技术都应用在仪器仪表的操作中，在无人值守情况下就能够实现自动转换、自动调零、自动校准、自诊断等功能，如数字示波器的自动分度键）（AUTOSET），
能根据被测信号的频率及幅度，自动设置合理的垂直灵敏度、时基以及最佳的触发电平，使信号稳定的显示在屏幕上。这都大大提高了工作效率，降低了人工操作的难度。
3 智能化仪器仪表的广泛应用
智能化仪器仪表已经成为仪器仪表行业今后发展的主导产品，其高技术、高投入、高产出、低能耗、低污染的特点，为仪器仪表行业提供了广阔的市场空间和发展需求，也带动了低碳经济和新兴产业的发展。如在电力系统中广泛运用智能化软硬件，就能保证数据信息分析的快速高效和准确得当，能切实提高电力系统的运营水平和工作效率，开创电力系统新的发展局面。2012年以后我国新建变电站已全面按照智能变电站技术标准建设，并且对重点对枢纽及中心变电站进行智能化改造。“十二五”期间新建智能变电站7000多亿新增投资，500kv和750kv变电站智能化投资约占10%，220kv智能化投资约占10%，110kv智能化投资约占20%。
随着网络时代的来临，智能仪器仪表和计算机已初步实现了共融，尤其是云技术的广泛应用，人类已经开启了第三次工业革命――“云智慧时代”，云智慧仪器即将来临我们身边，从Virtual Instrument虚拟仪器）（VI）到Cloud Smart Instrument云智慧仪器）（CSI），各方面仪器连起来，形成一个全国各地都可以用、都可以共享的互联网仪器时代。这不仅保证了自动测量、运算、存储、控制的正常发挥，还能远程操作、实时监控、分析测量数据以及故障诊断等，保证了仪器仪表设备的正常运行。这些都切实提高了仪器仪表的工作效率，加快了资源共享的速度，为现代仪器仪表的快速发展指明了道路。
总之，智能化仪器仪表已经应用到各行各业，并发挥着不可替代的作用，必将对我们的生产生活产生巨大影响。
参考文献
[1]陈庆.浅谈智能仪器仪表的发展趋向及其应用前景[J].科技创新导报，2009，（6）：16-16.
智能时代的特征范文5
中国移动副总裁李正茂在“从4G到5G，迈向万物互联新时代”的主题发言中表示，4G的蓬勃发展带来了移动互联网的繁荣，改变了人们的生活。未来5G、物联网、人工智能等技术的发展，将推动社会加速进入万物互联新时代，呈现出连接泛在、感知泛在和智能泛在三大特征。面向万物互联新时代，中国移动确定了“大连接”战略，将以“四轮驱动”融合发展，坚定不移地走连接驱动发展的道路，今年将实现12.2亿的连接数量，2020年稳步增长达到17.5亿，实现较2015年“翻一番”，成为数字化创新的全球领先运营商。中国移动希望与GTI、GSMA等国际组织合作，与全球产业伙伴开展更加深入、广泛的合作，拥抱万物互联时代，创造更加美好的未来。
据悉，下一步，中国移动在连接泛在方面，一是打造最先进最优质的移动物联网新型云管端服务体系。年内将实现移动物联网在部分重点城市商用。与产业加强合作，帮助和支持移动物联网芯片、模组加快成熟。二是开展跨行业深度合作，探索C-V2X（基于移动蜂窝网络的车与车、车与人以及车与万物互联的技术总称）创新发展。今年将在上海、重庆、北京等地陆续开展试验，推动产业2018年提供端到端可商用产品。三是积极推动ICT深度融合，构建新型网络。积极探索NFV/SDN等网络虚拟化先进技术所带来的各项优势，提出由新型电信云、新型网络、网络自动化编排与管理三要素构成的未来网络目标架构。四是加速推动产业成熟，力争在2020年实现5G网络规模商用的目标。大力投入资源开展5G技术研发工作，2017年在北京、上海、广州等5城市启动了5G外场试验。与全球产业伙伴进一步加强合作，形成全球统一的5G标准，构建5G繁荣发展的生态。
在感知泛在方面，中国移动将通过推动多样化、智能化终端的发展，促进感知的无处不在。在芯片与模组方面，全力打造自主品牌的物联网智能模组以牵引整个产业发展，面向远程抄表、车联网、家居、医疗等各类应用场景，提供低成本、低功耗、高安全性、高稳定性、高集成度的解决方案。在智能终端方面，持续打造中国移动自主品牌的智能手机、智能家居、车载设备、可穿戴设备等，推出更多产品。
在智能泛在方面，中国移动将充分发挥在云计算、大数据以及智能技术方面的积累及优势，构建GPU（图形处理器）并行技术集群、大数据平台等人工智能基础设施，提升“深度学习”、智能语音分析等人工智能核心能力。基于核心技g研发各类人工智能产品，构建智能化运营及服务能力。
智能时代的特征范文6
关键词：信息检索；人工智能；基于知识工智能技术应用
一、信息检索机制及其发展
信息检索Information Retrieval（IR）是一门致力于如何对大容量信息进行有效地存储与获取的科学。广义的IR通常是指在一定的技术设备环境条件下，对以某种方式组织的信息资源按其表达方式，依据特定用户的需求，制订构造策略，构造检索表达方式以实现检索目标过程的总称。而Information Retrieval System（IRS）则是借助计算机技术手段来存储信息以满足日后信息查询需要的一种检索工具。这里的信息可以是文本的、视频或音频的，但现行的大多数的信息检索系统仍只能以存储与检索文本的信息和文献为主。虽然IR 技术日新月异，但IR的本质自始自终都没有变，变动的只是信息媒体形式、信息检索系统IRS的吞吐能力以及IRS存储与匹配的方法而已。
二、人工智能
近30年来因特网规模呈几何级数飞速发展，人们迫切需要适合于网络时代的先进的信息检索技术。适应快速、准确地检索有关信息，并且能够从大量的网上数据中发现隐含的、有价值的信息，各种智能检索技术、尤其是人工智能技术浮出水面。人工智能学科是涉及数学、计算机科学、控制论、心理学、哲学等学科的交叉学科和边缘学科，其应用领域包括问题求解、专家系统、机器学习、模式识别、自动定理证明、自然语言理解、人工神经网络和智能检索等。人工智能用于信息检索主要有基于本体论、神经网络、遗传算法、自然语言理解和ID3算法等的智能检索方法。
三、人工智能技术在信息检索中的应用
人工智能研究机器模拟人脑所从事的感觉、认知、记忆、学习、联想、计算、推理、判断、决策、抽象、概括等思维活动，解决人类专家才能处理的复杂问题。它的研究和应用领域包括问题求解、逻辑推理与定理证明、自然语言理解、自动程序设计、专家系统、机器学习、模式识别、机器视觉、智能控制、智能检索，以及智能调度与指挥等。
（一）信息过滤技术
过滤包括两方面的含义：一是信息检索技术中的过滤，一般称为信息过滤，如搜索引擎过滤，数据挖掘等。二是网络安全方面的过滤。传统的过滤主要有基于包的过滤、基于应用的过滤和基于文本的过滤等几种。基于文本的过滤实现简单，但缺少灵活性，只能对达到匹配的文本一刀切，无法对文章的语义进行分析。引入了人工智能技术的智能过滤技术能够识别文档内容实现智能化的过滤，同时能减少网络管理员维护过滤系统的负担。神经网络是人工智能范畴中机器学习的一种应用，在许多技术中都有应用。
（二）异构信息整合与全息检索
异构信息检索技术发展的特点包括支持各种格式化文件，如TBXT、HTML、XML、RTF、MS Office、PDF、PS2/PS、MARC、ISO2709等处理和检索；支持多语种信息的检索；支持结构化数据、半结构化数据及非结构化数据的统一处理；和关系数据库检索的无缝集成以及其他开放检索接口的集成等。所谓“全息检索”的概念就是支持一切格式和方式的检索，从目前实践来讲，发展到异构信息整合检索的层面，基于自然语言理解的人机交互以及多媒体信息检索整合等方面尚有待取得进一步突破。
四、应用人工智能算法的视频图像检索系统
目前存在一个新的实现视频图像检索系统的方法。在这个系统中，成熟的人工智能算法将被应用到视频图像的分类、索引与检索中。在本系统中，视频图像的特征选取包括了颜色直方图的计算、纹理的分析及应用运动跟踪算法KLT对局部视频数据进行运动跟踪，这些特征构成了图像特征向量。人工智能算法，包括反馈式人工智能神经网及自适应匹配算法，将会根据这些特征向量对视频片断进行分类和检索。系统的工作区域是一个二维平面，各种视频片断将会根据特征向量的不同，被人工智能系统聚类到不同的区域， 从而实现视频片断的分类和聚集。用户在查询的时候，只要在特定的区域进行放大操作，就可以把视频检索限定在一个较小的区域，从而快速的实现视频片断的检索查询。具体的工作流程可以分为五个阶段：
（一）系统训练阶段
在这个阶段中，系统的人工神经系统将被初始化，并且在系统与用户的交互操作中进行训练，使之适应具体的图像特征向量，更好地实现视频片断的分类与聚集。
（二）视频片断的聚集操作
经过训练的人工神经系统将被应用到视频片断的聚集分类操作中，具有相似的特征向量的视频片断将会被聚集到相近的区域中，不同的片断将会被区域的远近程度来区分开来。
（三）视频片断的检索操作
因为视频片断在上一阶段已经进行了分类和聚集，用户只要在局部区域进行放大检索操作就可以查询到所需的视频片断。从以上的工作流程可以得知，系统对视频的分类与检索有两个核心的环节：第一是特征的提取，即如何选取合适的特征用于表征视频图像；第二是分类使用的人工智能算法，即根据提取的视频特征快速准确地对视频图像进行分类和检索。
（四）特征提取算法
本系统应用的特征提取算法包括颜色直方图，用于分析图像的基本颜色信息，获得图像的颜色分布状况；纹理分析算法，用于图像模式的分析； 然后对于局部聚集的图像应用运动跟踪算法KLT，进一步提高图像的分类准确率。
（五）用于分类和检索的人工智能算法
本系统采用了两种成熟的人工智能算法：反馈式人工神经网，利用分类结果的准确程度对系统的参数进行反馈式调节；自适应匹配算法，利用输入向量对最相似的系统向量进行调节。实验表明自适应匹配算法具有高速准确的效用。
五、人工智能在网络信息检索中的应用
人工智能在网络信息检索中的应用，主要表现在：如何利用计算机软硬件系统模仿、延伸与扩展人类智能的理论、方法和技术。目前，人工智能在网络信息检索领域的应用主要是在以下两个方面：
（一）网络智能知识服务系统
网络智能知识服务系统的设计开发是专门为了解决目前网络信息资源浩瀚而获取难的矛盾。网络智能知识服务系统可分为知识采集系统、智能知识处理系统、智能知识服务系统和知识库四部分。
1、知识采集系统。知识采集系统的主要任务是完成资源的加工整理，完成信息到知识之间的转换功能。
2、智能知识处理系统。该系统是将采集来的知识与知识库中已有的知识进行智能的分类和匹配操作，然后将符合入库条件的知识传入库中。
3、智能知识库存储系统。这是知识库建设的最主要组成部分，同时也关系到知识服务的效果和质量。
（二）智能技术
智能（Intelligent Agent，IA）技术，起始于20世纪80年代，是人工智能技术的一个重要研究领域目前，国外从事智能技术研究的不仅有大学、研究机构和诸多信息技术公司。并且有些智能产品或嵌入智能技术的产品已经投入使用，这些情况表明发展智能技术是一个趋势，它将是克服现有网络检索问题的有效手段。
1、定义。智能是一种软件程序，它使用户通过通信协议进行信息交换，以实现问题的自动解决。一般来说，智能具有如下特点：智能性、性、自治性、主动性、移动性、协作性。
2、智能的作用。智能有着强大的功能，用途也是十分广泛的，通常可分为网络管理、信息管理和优化用户界面。
（三）智能搜索的原理
智能搜索是智能在信息检索中的一种应用，它以用户需求为先导来进行信息搜集和信息加工，根据用户特定的需求以及在一段时期内的偏好为衡量标准来筛选信息。用户界面提供友好的自然语言查询，当用户的查询请求不明确时，智能搜索会利用知识库中的推理机制推断用户的潜在要求，选择与用户习惯最相近的需求进行检索。
六、结束语
人工智能技术的发展是时代对社会智能化需求的体现，而人工智能与信息检索的结合则是人们对信息获取智能化的有益尝试。在信息检索系统中纳入人工智能技术将使传统的信息检索系统具有更好的用户界面、更高的检索效率和更丰富的检索手段。人工智能技术的引入正在使传统的信息检索系统发生了巨大的变化。以两者作为结合点的智能信息检索系统，也将随着这两方面研究的不断发展而更加完善、强大。
参考文献：
1、王娟琴.现代信息检索方法研究[D].武汉大学,1999.
2、施水才.信息检索的核心支撑技术[EB/OL].中国计算机用户赛迪网,2003.
3、贾同兴.人工智能与情报检索[M].北京图书馆出版社,1997.
