Intelligent Science Home   设为首页  |   收藏本站 |   English Version  
 
智能科学实验室
- 史忠植
智能系统开发工具
人工智能
  - 心智模型
搜索智能科学网

智能科学网站
欢迎合作
 
2010年高级人工智能课程实践题目  
--

     第一部分 智能主体

题目

1、VAStudio行为库算法   

       数据包 package intsci.ace.data
        神经网络包 package intsci.ace.neural
        学习包 package intsci.ace.learning
        数据挖掘包 package intsci.ace.mining
        语言处理包 package intsci.ace.language
        图形处理包  package intsci.ace.graphics
        图象处理包 package  intsci. ace .image
        搜索引擎包 package intsci.ace.search
        专家系统包 package intsci.ace.expert
        模型包  package intsci.ace.model
        决策支持包  package intsci.ace.decision
 

2、 协商主体(Negotiation Agent,电子商务模型): BuyerAgent and SellerAgent 之间的协商

1)  SellerAgent 首先列出很多的商品,例如书籍,以及他们的价格各种信息等等. BuyerAgent 查找自己所需要的信息,找出最合适的购买,与Seller交互,要求有图形界面显示。

2)  拍卖协议,比如拍卖方拍卖某个物品,多个竞争方出价,最高者取胜,必须可以进行多轮拍卖,比如第一轮拍卖剩下几个接着进行第二轮拍卖,如此继续下去

3移动主体(Mobile Agent)

1) 实现一个mobile agent,如果网络中所有机器都是忙碌(有其他应用程序在跑),自己挂起,直到发现某台空闲,再跑过去。

4信息检索主体(Information Retrieval Agent)

1) 这个Agent底层使用Google, Yahoo等搜索引擎(至少结合两种底层搜索工具),然后把搜索的结果分类。例如,搜索关键字 刘德华 。能够把mp3, doc, image, html,pdf这些不同的文件格式,分成不同的类存储在本地的文件系统中。 要求有简单的界面显示。

 

有问题可与杨兴华(Email:yangxh@ics.ict.ac.cn),张大鹏(Email:zhangdp@ics.ict.ac.cn)等人联系.

 

第二部分  MSMiner

  • 说明:
    (1) 高级人工智能课程设计(数据挖掘部分)在以下两个大题目中选择其一完成,每个题目中,同学们可选择自己所感兴趣的某个数据挖掘算法来实现。
    (2) MSMiner题目需要使用VC++开发,Weka需要使用Java语言开发。
    (3) MSMiner平台会在下周在学校机房安装,安装完成时另作通知;选作Weka题目的同学自行下载、安装。
     

    一、简介

    MSMiner是由中科院计算所智能信息处理重点实验室开发的一个多策略数据挖掘平台。该平台采用功能强大的元数据作为调度中心,实现了数据仓库与数据抽取、转换、装载(ETL),数据挖掘(Data Mining),联机分析处理(OLAP)的有机集成以及各种数据挖掘算法的无缝连接。

    本次实验要开发的算法DLL目的正是用于封装数据挖掘算法,并最终由MSMiner平台所调用。算法DLL的开发工具采用VC++6.0,同学们可选择自己所感兴趣的某个数据挖掘算法,根据我们所提供的算法DLL代码模板以及Demo示例,开发出符合MSMiner算法DLL统一接口标准的动态链接库,并最终在MSMiner平台上进行测试和运行。对VC++编程不熟悉或对数据挖掘不感兴趣的同学也可选做其他实验。

     

    二、预备知识

    掌握某种数据挖掘算法、VC++开发环境、Oracle数据库基本操作

  • 三、实验条件

    1.        MSMiner平台 (PC)

    2.        Oracle数据库 (局域网服务器)

    3.        Microsoft Visual C++ 6.0开发环境

    4.        算法DLL公共代码框架 (一组工程文件)

    5.        两个算法DLL开发示例 (BP算法、SOM算法)

    6.        MSMiner DataMining 子系统算法DLL 接口详细说明 DM算法接口说明. (文档格式 ) 

    7.        训练数据与测试数据格式说明 下载.

    8.        示例程序和资源文件 下载.

    9.        MSMiner课程项目介绍(PPT) 下载. 

    10.        MSMiner数据挖掘子系统MSDM FLASH演示 下载.

     

     以上代码、示例和文档可点击右键下载.
     

    四、题目

    1.聚类算法:k-meansk-harmonic

    2.分类算法:C4.5SVMGA

    3.关联规则:AprioriFP-tree

    4.神经网络

    有问题可与杨兴华(Email:yangxh@ics.ict.ac.cn),马旭东(Email: maxd@ics.ict.ac.cn)等人联系.

    第三部分 数据挖掘部分——Weka

    一、简介

        Weka的全名是怀卡托智能分析环境(Waikato Environment for Knowledge Analysis),是一款免费的,非商业化(与之对应的是SPSS公司商业数据挖掘产品--Clementine)的,基于JAVA环境下开源的机器学习(machine learning)以及数据挖掘(data minining)软件。它和它的源代码可在其官方网站下载。

        Weka作为一个公开的数据挖掘工作平台,集合了大量能承担数据挖掘任务的机器学习算法,包括对数据进行预处理,分类,回归、聚类、关联规则以及在新的交互式界面上的可视化。而开发者则可使用Java语言,利用Weka的架构上开发出更多的数据挖掘算法。在weka中集成自己的算法甚至借鉴它的方法自己实现可视化工具并不是件很困难的事情。

     

    二、预备知识

    掌握某种数据挖掘算法、Java开发环境

     

    三、实验步骤及要求

    1、下载并安装wekaGUI version);

    2、熟悉weka的使用。要求寻找自己感兴趣的数据,使用weka提供的回归、分类、聚类、关联规则挖掘以及属性选择方法进行数据挖掘。

    3、学习weka源码,并仿照其算法自己实现某个数据挖掘的算法。

    要求:

    不得抄袭weka中已有算法;

    可以进行算法改进;

    程序源码要有详细的注释,注释行不少于40%

    说明:weka中没有实现的算法,如神经网络分类算法、粒子群优化(POS)分类算法等等,感兴趣的同学可作考虑;网络上一些weka扩展包,同学们也可以参考。

    4、调试自己实现的算法。要求:使用数据集进行程序测试,并分析运行的结果;报告中必须给出数据集的出处,和自己预处理的过程。

    5、完成并提交课程报告。

     

    有问题可与助教杨兴华(Email: yangxh@ics.ict.ac.cn)联系。

     

     

                            课程报告

     

    1 实验目的
    2 规格说明
    3 算法步骤
    4 结果分析
    5 实验体会
    6 结束语
    7 参考文献
    8 程序源码,源码要求有清晰明确的注释。

       

     

    您是本站的第 free web hit counters 位客人 关于本站 | 站点维护
    Copyright © 2002-2008 中国科学院计算技术研究所智能信息处理重点实验室智能科学课题组