前言：中文期刊網精心挑選了智能時代的特征范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。
智能時代的特征范文1
關鍵詞：智能視頻監控；物聯網；公共安全
中圖分類號：TP31 文獻標識碼：A 文章編號：1006-8937（2016）11-0077-02
1 概 述
近年來，視頻監控技術取得飛速的發展，其中視頻監控系統設備雖然擁有了較好的性能，但仍存在一些因素限制，使得視頻監控出現一些誤差缺陷，導致整個系統的安全性和實用性大大降低。此外，社會的不斷發展和人口數量的不斷增多使得人們對安全性要求越來越高，監控攝像的覆蓋面不斷擴大，傳統的視頻監控技術只能實現監控記錄實況，無法實現預測和報警，而實現實時監控，就需要人工監看視頻，時間過久就會出現疲勞，甚至在面對多路視頻監控時容易出現錯誤，無法及時對異常情況作出反應。這些問題的解決就需要將智能監控技術引入視頻監控系統中，輔助視頻監控人員做好監察工作。
目前，計算機的視覺進步使得智能監控技術得到廣泛的重視和研究，也使得智能視頻監控技術成為研究的熱點。為從眾多數據中高效提取出有用的信息，監控工作就需要充分應用智能視頻監控技術。具體來講，智能視頻監控技術就是由計算機儲存攝像圖像并對圖像序列內容進行理解和分析，及時檢測出異常情況，進行自動預警和報警。
2 智能視頻監控技術的發展史
視頻監控技術的研究有助于相關人員做好安全防范工作，盡可能地從被監控的區域用最短時間獲取有用的信息。最初我國監控是完全依賴人工獲取信息和處理信息的，比如清朝的東廠，以及飛鴿傳書、守門之犬。喬家大院的“萬人球”是中國歷史上最早被采用來進行監控的外部設備，本質上是水銀玻璃制作的鏡子，主要用它來監視房間內的一舉一動。到了19世紀70年代才真正出現了現在的視頻監控，人類開始采取攝像來獲取信息，這也是智能視頻監控技術的最初萌芽時期。鑒于信息科技的不斷發展和市場需求得不斷提高，現代的視頻監控技術發展大體上三個階段：模擬化、數字化和智能化。本部分將具體對這三個階段進行闡釋。
2.1 模擬化的視頻監控技術
在20世紀70年代開始，光學成像技術飛速發展，電子技術也取得了較大的成就。這些成果都使得視頻監控設備制作和使用可能性加大。為了實現這樣的目標，世界出現了電子監控系統，滿足了利用電子設備進行監控的需要。此階段主要是以CCTV監控為主，這也就是早期的模擬視頻監控系統。CCTV的工作原理就是采用同軸電纜進行傳輸信息，信息由模擬監視器顯示、由磁帶錄像機進行信息儲存。模擬視頻監控技術的價格較為低，安裝簡易，主要廣泛被采用到規模較小的安全防范系統中。
2.2 數字化的視頻監控技術
到了20世紀90年代，數字壓縮編碼技術和芯片技術取得了較為突出的進步。再者模擬化的視頻監控技術出現了一些缺陷，比如磁帶錄像機的儲存量較小，監控范圍有限等。初期主要采用NVR，被稱為半數字時代，慢慢發展到后期主要采用DVR進行監控，這才真正實現了數字化的視頻監控。DVR最顯著的特點就是可以使得監控系統儲存較多的視頻信息，容納較多的攝像頭，從而解決了模擬視頻監控系統的儲存量問題。數字化的視頻監控技術應用廣泛，具有良好的擴展性，使用維護較為簡單容易。數字化的視頻監控技術發展為以后智能化的視頻監控發展奠定了基礎。
2.3 智能化的視頻監控技術
進入21世紀，計算機視覺和模式識別技術獲得了飛速的發展，使得第二代的數字化視頻監控技術取得較大進步。因此，大規模的布置監控系統的可能性加大。目前全球對視頻監控系統需要迫切，各區域的攝像頭越來越多，這樣方便了大規模的安全防范工作，可以及時獲取大量的數據信息進行實時監控，但是也給人類帶來較大的挑戰。鑒于這些問題，世界上出現了智能化的視頻監控系統，主要利用計算機視覺和模式識別技術對視頻圖像利用各種算法進行分析，依據事先設置好的安全程序及時發出報警信號，做好事中分析和預警工作。
3 智能視頻監控技術的核心算法
作為智能化的視頻監控系統，最大的特點就是可以自動化運行，全天二十四小時對監控畫面進行實時分析和報警。這樣既能及時識別異常情況，還能提醒安保人員做好準備工作。智能化應用于視頻監控技術得到了各界的認可，本部分主要介紹從底層、中層和高層三個層次智能視頻監控技術的核心算法。
3.1 目標檢測算法
目標檢測算法主要是在底層對視頻圖像進行采集獲取終端上的圖像序列，對異常情況目標進行檢測，跟蹤目標以便及時對目標做好后續的處理分析工作，其中關鍵就是確定目標的位置和儲存量。
目前根據處理對象不同可將目標檢測分為兩種：基于目標建模的目標檢測和基于背景建模的目標檢測。前者主要特征就是應用場景較為廣泛：既能對固定攝像機記錄的視頻圖像進行分析，還能對靜態圖像和移動攝像機記錄的視頻圖像進行分析。主要應用于檢測速度較慢、掃描視頻圖像較多的區域，此檢測方法實時性較差，且對受遮擋影響較大，容易漏檢。后者只能適用于背景不變的運動目標，若背景發生變化時無法檢測。此檢測方式主要針對視頻進行較快的處理，對受遮擋部分的影響較小，一般實時性較強，廣泛應用于固定攝像機檢測。
3.2 目標跟蹤算法
目標跟蹤算法主要是針對底層階段確定好的目標進行跟蹤，確定目標的具體軌跡。目標跟蹤問題的解決關鍵點在于處理好計算機視覺的問題，這也是實現智能視頻監控技術的關鍵環節，應用性較為廣泛。目前依據應用場景的差別將目標跟蹤算法分為兩種：單一場景目標跟蹤和綜合場景目標跟蹤，前者具體細分為跟蹤單個目標和跟蹤多個目標，后者具體細分為重疊場景目標跟蹤和非重疊場景目標跟蹤。在單個場景中，一個目標可以在連續的空間里非常相似；而在重疊場景中的目標跟蹤時較為復雜，目標可以從一個場景進入另一個場景，需要在連續的空間里確定好新進入場景的目標的具體信息；在非重疊場景的目標跟蹤算法中，鑒于場景間相互存在盲區，不同場景會影響到同一目標的觀測數據信息。
3.3 目標的分類識別算法
目標的分類和識別主要是在中層階段以底層上獲取的信息為基礎，對其進行判斷識別，具體認知目標，做好定位目標的工作。簡單來說，就是判斷識別視頻圖像中的物體類別，以識別目標的具體情況。這也是高層計算機視覺得到廣泛應用的前提。近十年來主要有詞袋模型和深度學習模型這兩種算法得到廣泛的應用。前者主要是將大量的工作集中在特征編碼和特征匯聚上，主要是由特征提取出來數據信息，接著對其進行特征聚類、編碼和匯聚，最后由分類器做好分類工作。而后者主要是模擬人腦的神經元處理結構聽過學習層次化的方式將目標由底層到中層再到高層的特征進行記錄，最終建立反饋機制并形成認知。
3.4 行為分析算法
行為分析主要是在高層充分應用計算機視覺信息對行為主體即目標的具體運動進行分析的算法。根據信息的復雜度不同可將行為分析分為靜態姿態識別、運動行為識別和復雜事件分析方法三種。第一種主要是將靜態圖像作為研究對象，根據時空特征對其進行識別，分析目標的時空體特征、局部特征和軌跡特征。第二種主要是利用時序推理其行為，并利用統計模型和句法模型對目標的行為進行分析。第三種主要是分析目標的交互行為和群體行為。
4 物聯網時代下的智能視頻監控的挑戰及發展方向
4.1 跨場景挑戰
目前全球的攝像頭數量越來越多，急需智能視頻監控技術可以跨各個場景適用。同時監控使用的攝像機不單單包括固定攝像機，還包括移動攝像機等，這些都是的監控攝像機在全球各場景下廣泛分布，而如何將這些設備建立成一個系統的體系是將來智能視頻監控技術面臨的一大挑戰。
4.2 跨空間挑戰
從視頻監控系統開始發展至今，監控數據種類也由單一變得復雜多樣，很多信息都可以作為監控數據的載體，進行數據儲存。這使得處理數據工作也變得繁瑣復雜，因此如何處理好各個載體中的信息，獲取有效的信息，將大數據轉變成為小數據是未來智能視頻監控技術面臨的一大問題。
4.3 發展方向
基于物聯網時代的迅速發展，智能視頻監控技術將面臨巨大的機遇和挑戰。物聯網時代下，信息的傳送和集中可以實現跨空間獲取有用的數據，還可以擴展到多樣化的智能分析。大體上將來的智能視頻監控技術具有三大特性：高效視覺網、主動視覺網和協同視覺網。這也是將來智能視頻監控系統發展研究的主要方向。
5 結 語
綜上所述，智能視頻監控技術的發展時間較長，且具有廣闊的發展空間；智能視頻監控的核心算法還處于積累階段，需要不斷應用驗證技術，做好研究工作。物聯網時代下的智能視頻監控技術面臨著巨大的機遇和挑戰。我們堅信在未來智能視頻監控技術將為監控系統發揮最大的作用，適應時代的發展。
參考文獻：
[1] 韓國強.淺談智能視頻監控技術及其主要應用[J].計算機與網絡，2014，（2）.
智能時代的特征范文2
金融行業信息化
最具影響力企業獎
邁普率先提出“智能服務”的概念，認為能夠自動辨識用戶的顯性和隱性需求，并且主動、高效、安全、綠色地滿足其需求的服務，就是“智能服務”。邁普希望抓住行業應用向“智能服務”演進的契機，提供更多智能化行業應用系統，幫助行業客戶為最終用戶提供更加智能的服務。
近日，“眾核引領智勝未來”邁普2012年解決方案巡展正在全國范圍內舉行。本次巡展覆蓋12個省會城市，為用戶、合作伙伴呈現邁普在智能服務中提供的相關產品和解決方案。同時，邁普還通過產品演示、現場應用場景體驗、互動交流等全方位的呈現形式，與廣大用戶進行零距離互動，進一步向用戶呈現邁普具備“主動、高效、安全、綠色”特征的智能服務相關產品和解決方案的理念和實際的使用效果，客戶普遍反映，感受到邁普帶來的全新應用體驗。
邁普率先提出“智能服務”這一概念，并認為，能夠自動辨識用戶的顯性和隱性需求，并且主動、高效、安全、綠色地滿足其需求的服務，就是“智能服務”。邁普希望抓住行業應用向“智能服務”演進的契機，提供更多智能化行業應用系統，幫助行業客戶為最終用戶提供更加智能的服務。
本次巡展，邁普從智能服務基礎設施、基于應用的智能運維平臺、智能傳媒系統等方面詮釋了“智能服務”給企業帶來的變化。其中，邁普在今年3月的全球首款512核分布式高端路由器MP8800作為承載智能服務的基礎設備，為智能服務提供不間斷的數據轉發。此款具有自主知識產權的路由器基于眾核處理器技術以及高級電信計算架構eATCA構建，實現了數據平面、控制平面、監控平面分離的運營級全分布式架構，在采用運營級架構設計后，該核心路由器具備全冗余性，在任一部件出現問題情況下，數據轉發依然不會丟包。MP8800充分考慮云時代的特征，針對業務、內容的數據處理特點，可實現客戶業務的開放化和業務的云端化。此款路由器采用了CPU虛擬化技術、基于矩陣式網絡的MIMO核間通信技術、智能分流技術等多項業界領先的技術成果，獲得了國內領先，國際先進的科技鑒定成果。目前該路由器已經被政府、金融、政法、公安等眾多高端客戶認可和使用。
智能時代的特征范文3
【關鍵詞】大數據時代 “四V”特征 流量經營 安全威脅
隨著移動互聯網、物聯網、云計算等的快速發展，及視頻監控、智能終端、應用商店等的快速普及，全球數據量出現爆炸式增長。即使在遭遇金融危機的2009年，全球信息量也比2008年增長62%，達到80萬PB（1015字節），2010年增至120萬PB。據IDC預測，至2020年全球以電子式形存儲的數據量將達32ZB（1021字節）。以120萬PB數據為例，如果將其刻錄在DVD上，再將這些盤片堆疊起來，可從地球到月球壘一個來回！
在此背景下，電信運營商在其網絡無休止擴容的同時，卻面臨“增量不增收”的困境；而一些采用“數據驅動型決策”模式經營的公司，則可將其生產力提高5%～6%。因此，有必要深入研究大數據時代（Big Data Era）的挑戰、價值與務實應對策略。
1 大數據時代的基本特征
據統計，2010年以互聯網為基礎所產生的數據比之前所有年份的總和還要多；而且不僅是數據量的激增，數據結構亦在演變。Gartner預計，2012年半結構和非結構化的數據，諸如文檔、表格、網頁、音頻、圖像和視頻等將占全球網絡數據量的85%左右；而且，整個網絡體系架構將面臨革命性改變。由此，所謂大數據時代已經來臨！
對于大數據時代，目前通常認為有下述四大特征，稱為“四V”特征：
（1）量大（Volume Big）。數據量級已從TB（1012字節）發展至PB乃至ZB，可稱海量、巨量乃至超量。
（2）多樣化（Variable Type）。數據類型繁多，愈來愈多為網頁、圖片、視頻、圖像與位置信息等半結構化和非結構化數據信息。
（3）快速化（Velocity Fast）。數據流往往為高速實時數據流，而且往往需要快速、持續的實時處理；處理工具亦在快速演進，軟件工程及人工智能等均可能介入。
（4）價值高和密度低（Value High and Low Density）。以視頻安全監控為例，連續不斷的監控流中，有重大價值者可能僅為一兩秒的數據流；360°全方位視頻監控的“死角”處，可能會挖掘出最有價值的圖像信息。
2 大數據時代面臨的挑戰
（1）運營商帶寬能力與對數據洪流的適應能力面臨前所未有的挑戰，管道化壓力化解及“云—管—端”的有效裝備也均面臨新挑戰。
（2）大數據的“四V”特征在數據存儲、傳輸、分析、處理等方面均帶來本質變化。數據量的快速增長，對存儲技術提出了挑戰；同時，需要高速信息傳輸能力支持，與低密度有價值數據的快速分析、處理能力。
（3）海量數據洪流中，在線對話與在線交易活動日益增加，其安全威脅更為嚴峻；而且現今黑客的組織能力、作案工具、作案手法及隱蔽程度更上一層樓，典型的有APT（Advanced Persistent Threat，高級持續性安全威脅）。
（4）大數據環境下通過對用戶數據的深度分析，很容易了解用戶行為和喜好，乃至企業用戶的商業機密，對個人隱私問題必須引起充分重視。
（5）大數據時代的基本特征，決定其在技術與商業模式上有巨大的創新空間，這將對可持續發展起關鍵作用。
（6）大數據時代的基本特征及安全挑戰，對政府制訂規則與監管部門發揮作用提出了新的挑戰。
3 大數據帶來的價值
（1）利用大數據特征，借助云計算等有效工具，深度挖掘流量與數據價值，可幫助運營商實施好流量經營，減輕管道化風險，發揚“云—管—端”的智能管道的威力。
（2）多業務環境下掌握用戶體驗效果尤為重要，可從海量用戶數據中深度分析、挖掘出用戶的行為習慣和消費愛好，以實施精準營銷及網絡優化，掌控數據增值的“金鑰匙”。
（3）掌握好大數據的存儲、分類、挖掘、快速調用和決策支撐，并應用于企業的日常運營、維護及戰略轉型中，成為企業可持續發展、維持競爭優勢的當務之急與重要途徑。
（4）充分利用對大數據的分析、挖掘，可幫助找到隱蔽性極強的APT之類的安全威脅，助力信息安全部門找到應對新型安全威脅的有效途徑。
（5）通過對公共大數據的分析、挖掘與利用，可減少欺詐行為及錯誤數據的負面作用、追收逃稅漏稅及刺激公共機構生產力等，幫助政府節省開支。例如英國政府即通過此途徑節省大約330億英鎊/年。
4 大數據時代的應對策略
（1）大數據時代應以智慧創新理念融合大數據與云計算，在大數據洪流中提升知識價值洞察力，實施高效實時個性化運作，建立有效增值的商業模式，確保應對APT之類的新型安全威脅。
（2）電信運營商轉型中流量經營已成共識，即以智能管道與聚合平臺為基礎，以擴大流量規模、提升流量層次及豐富流量內涵作為基本經營方向，并以釋放流量價值為基本目標，可見大數據和云計算的深度融合與此流量經營目標十分吻合。實際上已經有一些運營商借助大數據Hadoop云工具管理與分析網絡中的用戶數據，為日常運維及制定市場戰略等提供有效支撐。
（3）針對大數據時代的基本特征，加強全方位創新。包括IBM、EMC、HP、Microsoft等在內的IT巨頭，紛紛加速收購相關大數據公司進行技術整合，尋找數據洪流大潮中新的立足點。而涉及人工智能、機器學習等新技術的創新應用，已初顯效益。
智能時代的特征范文4
關鍵詞：智能 儀器儀表 現狀特點 發展趨勢
中圖分類號：TH89 文獻標識碼：A 文章編號：1007-9416（2014）05-0234-02
隨著網絡時代的來臨，儀器儀表行業借助于信息技術、微機械技術以及微電子技術等的發展成果，出現了以智能化為特征的發展趨勢，在環保、交通、教育、醫藥以及通訊等各行業都得到了普遍運用，智能化設備的普及開始日益影響著我們的生產生活，給社會的發展帶來了極大便利。
1 我國儀器儀表行業技術發展的現狀
我國儀器儀表行業發展較晚，起點低，但經過近些年的迅速發展，在產品結構如工業自動化、電工、環保、醫療、信息技術、測量測試等儀表技術及元器件制造方面開始有了長足的進步。進入“十二五”時期，新興行業的發展、研發水平的提高、應用市場的旺盛需求，如在節能減排、低碳環保等環保、資源壓力下，國家對能源的需求帶動了風電、核電、太陽能等新能源的發展；交通壓力帶來的出行難、電子商務的發展也直接促進了物聯網、智能電網以及高鐵和軌道交通業的建設，這些都為儀器儀表產業提供了良好的機遇。尤其是智能化技術已經成為時代的潮流，必將進一步推動行業整體水平的提升。
2 智能化儀器儀表技術的特點
智能儀表的發展是由1983年美國霍尼韋爾公司研制的智能壓力變送器開始的，這標志著儀器儀表制造從傳統的模擬儀表向著數字化智能儀表的重大轉變。由于計算機、網絡通信等相關技術的飛速進步，極大地促進了儀器儀表技術發展。
智能儀器儀表主要具備以下幾個特點。
（1）高度集成化
硬件的集成化、模塊化是現代儀器儀表的一個重要特征，可以使得儀器自身變得更加簡潔、更加靈活，雖然體積變小，但功能更強大、齊全，具備了搜集、處理、輸出以及對話溝通功能，如智能數字多用表除了傳統的測量功能外，還能進行零點平移、平均值、極值、統計分析以及數據處理，大大提高了工作效率。
（2）硬件功能軟件化
在智能化條件下，由于儀器儀表采用了多樣化的通用接口，從而編制各種各樣的軟件進行匹配成為可能，這也有效地拓展了儀器儀表的用途，提高了儀器儀表的使用效率。數字信號處理）（DSP）技術的發展極大增強了儀器的信號處理能力，軟件的高速處理可以很快地實現很多硬件難以處理的問題，同時編程軟件技術的不斷修改升級，又可以在不更新硬件系統的環境中，輕松地帶來以軟件實現儀器儀表的升級換代。軟件系統的可升級、可擴展性以及通用性等顯著特征，代表了儀器儀表的未來發展方向（圖1）。
（3）功能的網絡化
以功能強大的微處理器和操作系統作為支撐，現在的儀器儀表已經具備了雙向通信能力，不僅能夠做到信號的采集和控制，也能夠迅速地實現計算分析和傳輸功能，甚至遠程的實時控制也已經變成了現實?；贗nternet的測控系統，不管距離多遠，操作者都可通過客戶機瀏覽到實時數據，掌握設備運行情況；同時還能運用智能化軟件和數據庫系統進行數據分析，從而可以節省時間、快速決策，直接的下達各項指令。
（4）多功能化
智能儀器儀表具有極強的通用性和多功能性，幾乎都配有GP-IB（或RS-232C）通信接口總線，可以像堆積木一樣，與PC機、各種可程控儀器組成一個多功能的網絡，形成一個通用平臺，調用不同的軟件后就能形成功能不同的儀器和系統，從而完成較復雜的測試任務。例如具有脈沖發生器、頻率合成器和任意波形發生器等功能的函數發生器，不但性能上比專用脈沖發生器和頻率合成器高，而且在各種測試功能上提供了較好的解決方案。
（5）自動化
借助PC技術，人機交互、模糊控制、多媒體技術都應用在儀器儀表的操作中，在無人值守情況下就能夠實現自動轉換、自動調零、自動校準、自診斷等功能，如數字示波器的自動分度鍵）（AUTOSET），
能根據被測信號的頻率及幅度，自動設置合理的垂直靈敏度、時基以及最佳的觸發電平，使信號穩定的顯示在屏幕上。這都大大提高了工作效率，降低了人工操作的難度。
3 智能化儀器儀表的廣泛應用
智能化儀器儀表已經成為儀器儀表行業今后發展的主導產品，其高技術、高投入、高產出、低能耗、低污染的特點，為儀器儀表行業提供了廣闊的市場空間和發展需求，也帶動了低碳經濟和新興產業的發展。如在電力系統中廣泛運用智能化軟硬件，就能保證數據信息分析的快速高效和準確得當，能切實提高電力系統的運營水平和工作效率，開創電力系統新的發展局面。2012年以后我國新建變電站已全面按照智能變電站技術標準建設，并且對重點對樞紐及中心變電站進行智能化改造?！笆濉逼陂g新建智能變電站7000多億新增投資，500kv和750kv變電站智能化投資約占10%，220kv智能化投資約占10%，110kv智能化投資約占20%。
隨著網絡時代的來臨，智能儀器儀表和計算機已初步實現了共融，尤其是云技術的廣泛應用，人類已經開啟了第三次工業革命――“云智慧時代”，云智慧儀器即將來臨我們身邊，從Virtual Instrument虛擬儀器）（VI）到Cloud Smart Instrument云智慧儀器）（CSI），各方面儀器連起來，形成一個全國各地都可以用、都可以共享的互聯網儀器時代。這不僅保證了自動測量、運算、存儲、控制的正常發揮，還能遠程操作、實時監控、分析測量數據以及故障診斷等，保證了儀器儀表設備的正常運行。這些都切實提高了儀器儀表的工作效率，加快了資源共享的速度，為現代儀器儀表的快速發展指明了道路。
總之，智能化儀器儀表已經應用到各行各業，并發揮著不可替代的作用，必將對我們的生產生活產生巨大影響。
參考文獻
[1]陳慶.淺談智能儀器儀表的發展趨向及其應用前景[J].科技創新導報，2009，（6）：16-16.
智能時代的特征范文5
中國移動副總裁李正茂在“從4G到5G，邁向萬物互聯新時代”的主題發言中表示，4G的蓬勃發展帶來了移動互聯網的繁榮，改變了人們的生活。未來5G、物聯網、人工智能等技術的發展，將推動社會加速進入萬物互聯新時代，呈現出連接泛在、感知泛在和智能泛在三大特征。面向萬物互聯新時代，中國移動確定了“大連接”戰略，將以“四輪驅動”融合發展，堅定不移地走連接驅動發展的道路，今年將實現12.2億的連接數量，2020年穩步增長達到17.5億，實現較2015年“翻一番”，成為數字化創新的全球領先運營商。中國移動希望與GTI、GSMA等國際組織合作，與全球產業伙伴開展更加深入、廣泛的合作，擁抱萬物互聯時代，創造更加美好的未來。
據悉，下一步，中國移動在連接泛在方面，一是打造最先進最優質的移動物聯網新型云管端服務體系。年內將實現移動物聯網在部分重點城市商用。與產業加強合作，幫助和支持移動物聯網芯片、模組加快成熟。二是開展跨行業深度合作，探索C-V2X（基于移動蜂窩網絡的車與車、車與人以及車與萬物互聯的技術總稱）創新發展。今年將在上海、重慶、北京等地陸續開展試驗，推動產業2018年提供端到端可商用產品。三是積極推動ICT深度融合，構建新型網絡。積極探索NFV/SDN等網絡虛擬化先進技術所帶來的各項優勢，提出由新型電信云、新型網絡、網絡自動化編排與管理三要素構成的未來網絡目標架構。四是加速推動產業成熟，力爭在2020年實現5G網絡規模商用的目標。大力投入資源開展5G技術研發工作，2017年在北京、上海、廣州等5城市啟動了5G外場試驗。與全球產業伙伴進一步加強合作，形成全球統一的5G標準，構建5G繁榮發展的生態。
在感知泛在方面，中國移動將通過推動多樣化、智能化終端的發展，促進感知的無處不在。在芯片與模組方面，全力打造自主品牌的物聯網智能模組以牽引整個產業發展，面向遠程抄表、車聯網、家居、醫療等各類應用場景，提供低成本、低功耗、高安全性、高穩定性、高集成度的解決方案。在智能終端方面，持續打造中國移動自主品牌的智能手機、智能家居、車載設備、可穿戴設備等，推出更多產品。
在智能泛在方面，中國移動將充分發揮在云計算、大數據以及智能技術方面的積累及優勢，構建GPU（圖形處理器）并行技術集群、大數據平臺等人工智能基礎設施，提升“深度學習”、智能語音分析等人工智能核心能力?；诤诵募糶研發各類人工智能產品，構建智能化運營及服務能力。
智能時代的特征范文6
關鍵詞：信息檢索；人工智能；基于知識工智能技術應用
一、信息檢索機制及其發展
信息檢索Information Retrieval（IR）是一門致力于如何對大容量信息進行有效地存儲與獲取的科學。廣義的IR通常是指在一定的技術設備環境條件下，對以某種方式組織的信息資源按其表達方式，依據特定用戶的需求，制訂構造策略，構造檢索表達方式以實現檢索目標過程的總稱。而Information Retrieval System（IRS）則是借助計算機技術手段來存儲信息以滿足日后信息查詢需要的一種檢索工具。這里的信息可以是文本的、視頻或音頻的，但現行的大多數的信息檢索系統仍只能以存儲與檢索文本的信息和文獻為主。雖然IR 技術日新月異，但IR的本質自始自終都沒有變，變動的只是信息媒體形式、信息檢索系統IRS的吞吐能力以及IRS存儲與匹配的方法而已。
二、人工智能
近30年來因特網規模呈幾何級數飛速發展，人們迫切需要適合于網絡時代的先進的信息檢索技術。適應快速、準確地檢索有關信息，并且能夠從大量的網上數據中發現隱含的、有價值的信息，各種智能檢索技術、尤其是人工智能技術浮出水面。人工智能學科是涉及數學、計算機科學、控制論、心理學、哲學等學科的交叉學科和邊緣學科，其應用領域包括問題求解、專家系統、機器學習、模式識別、自動定理證明、自然語言理解、人工神經網絡和智能檢索等。人工智能用于信息檢索主要有基于本體論、神經網絡、遺傳算法、自然語言理解和ID3算法等的智能檢索方法。
三、人工智能技術在信息檢索中的應用
人工智能研究機器模擬人腦所從事的感覺、認知、記憶、學習、聯想、計算、推理、判斷、決策、抽象、概括等思維活動，解決人類專家才能處理的復雜問題。它的研究和應用領域包括問題求解、邏輯推理與定理證明、自然語言理解、自動程序設計、專家系統、機器學習、模式識別、機器視覺、智能控制、智能檢索，以及智能調度與指揮等。
（一）信息過濾技術
過濾包括兩方面的含義：一是信息檢索技術中的過濾，一般稱為信息過濾，如搜索引擎過濾，數據挖掘等。二是網絡安全方面的過濾。傳統的過濾主要有基于包的過濾、基于應用的過濾和基于文本的過濾等幾種?；谖谋镜倪^濾實現簡單，但缺少靈活性，只能對達到匹配的文本一刀切，無法對文章的語義進行分析。引入了人工智能技術的智能過濾技術能夠識別文檔內容實現智能化的過濾，同時能減少網絡管理員維護過濾系統的負擔。神經網絡是人工智能范疇中機器學習的一種應用，在許多技術中都有應用。
（二）異構信息整合與全息檢索
異構信息檢索技術發展的特點包括支持各種格式化文件，如TBXT、HTML、XML、RTF、MS Office、PDF、PS2/PS、MARC、ISO2709等處理和檢索；支持多語種信息的檢索；支持結構化數據、半結構化數據及非結構化數據的統一處理；和關系數據庫檢索的無縫集成以及其他開放檢索接口的集成等。所謂“全息檢索”的概念就是支持一切格式和方式的檢索，從目前實踐來講，發展到異構信息整合檢索的層面，基于自然語言理解的人機交互以及多媒體信息檢索整合等方面尚有待取得進一步突破。
四、應用人工智能算法的視頻圖像檢索系統
目前存在一個新的實現視頻圖像檢索系統的方法。在這個系統中，成熟的人工智能算法將被應用到視頻圖像的分類、索引與檢索中。在本系統中，視頻圖像的特征選取包括了顏色直方圖的計算、紋理的分析及應用運動跟蹤算法KLT對局部視頻數據進行運動跟蹤，這些特征構成了圖像特征向量。人工智能算法，包括反饋式人工智能神經網及自適應匹配算法，將會根據這些特征向量對視頻片斷進行分類和檢索。系統的工作區域是一個二維平面，各種視頻片斷將會根據特征向量的不同，被人工智能系統聚類到不同的區域， 從而實現視頻片斷的分類和聚集。用戶在查詢的時候，只要在特定的區域進行放大操作，就可以把視頻檢索限定在一個較小的區域，從而快速的實現視頻片斷的檢索查詢。具體的工作流程可以分為五個階段：
（一）系統訓練階段
在這個階段中，系統的人工神經系統將被初始化，并且在系統與用戶的交互操作中進行訓練，使之適應具體的圖像特征向量，更好地實現視頻片斷的分類與聚集。
（二）視頻片斷的聚集操作
經過訓練的人工神經系統將被應用到視頻片斷的聚集分類操作中，具有相似的特征向量的視頻片斷將會被聚集到相近的區域中，不同的片斷將會被區域的遠近程度來區分開來。
（三）視頻片斷的檢索操作
因為視頻片斷在上一階段已經進行了分類和聚集，用戶只要在局部區域進行放大檢索操作就可以查詢到所需的視頻片斷。從以上的工作流程可以得知，系統對視頻的分類與檢索有兩個核心的環節：第一是特征的提取，即如何選取合適的特征用于表征視頻圖像；第二是分類使用的人工智能算法，即根據提取的視頻特征快速準確地對視頻圖像進行分類和檢索。
（四）特征提取算法
本系統應用的特征提取算法包括顏色直方圖，用于分析圖像的基本顏色信息，獲得圖像的顏色分布狀況；紋理分析算法，用于圖像模式的分析； 然后對于局部聚集的圖像應用運動跟蹤算法KLT，進一步提高圖像的分類準確率。
（五）用于分類和檢索的人工智能算法
本系統采用了兩種成熟的人工智能算法：反饋式人工神經網，利用分類結果的準確程度對系統的參數進行反饋式調節；自適應匹配算法，利用輸入向量對最相似的系統向量進行調節。實驗表明自適應匹配算法具有高速準確的效用。
五、人工智能在網絡信息檢索中的應用
人工智能在網絡信息檢索中的應用，主要表現在：如何利用計算機軟硬件系統模仿、延伸與擴展人類智能的理論、方法和技術。目前，人工智能在網絡信息檢索領域的應用主要是在以下兩個方面：
（一）網絡智能知識服務系統
網絡智能知識服務系統的設計開發是專門為了解決目前網絡信息資源浩瀚而獲取難的矛盾。網絡智能知識服務系統可分為知識采集系統、智能知識處理系統、智能知識服務系統和知識庫四部分。
1、知識采集系統。知識采集系統的主要任務是完成資源的加工整理，完成信息到知識之間的轉換功能。
2、智能知識處理系統。該系統是將采集來的知識與知識庫中已有的知識進行智能的分類和匹配操作，然后將符合入庫條件的知識傳入庫中。
3、智能知識庫存儲系統。這是知識庫建設的最主要組成部分，同時也關系到知識服務的效果和質量。
（二）智能技術
智能（Intelligent Agent，IA）技術，起始于20世紀80年代，是人工智能技術的一個重要研究領域目前，國外從事智能技術研究的不僅有大學、研究機構和諸多信息技術公司。并且有些智能產品或嵌入智能技術的產品已經投入使用，這些情況表明發展智能技術是一個趨勢，它將是克服現有網絡檢索問題的有效手段。
1、定義。智能是一種軟件程序，它使用戶通過通信協議進行信息交換，以實現問題的自動解決。一般來說，智能具有如下特點：智能性、性、自治性、主動性、移動性、協作性。
2、智能的作用。智能有著強大的功能，用途也是十分廣泛的，通?？煞譃榫W絡管理、信息管理和優化用戶界面。
（三）智能搜索的原理
智能搜索是智能在信息檢索中的一種應用，它以用戶需求為先導來進行信息搜集和信息加工，根據用戶特定的需求以及在一段時期內的偏好為衡量標準來篩選信息。用戶界面提供友好的自然語言查詢，當用戶的查詢請求不明確時，智能搜索會利用知識庫中的推理機制推斷用戶的潛在要求，選擇與用戶習慣最相近的需求進行檢索。
六、結束語
人工智能技術的發展是時代對社會智能化需求的體現，而人工智能與信息檢索的結合則是人們對信息獲取智能化的有益嘗試。在信息檢索系統中納入人工智能技術將使傳統的信息檢索系統具有更好的用戶界面、更高的檢索效率和更豐富的檢索手段。人工智能技術的引入正在使傳統的信息檢索系統發生了巨大的變化。以兩者作為結合點的智能信息檢索系統，也將隨著這兩方面研究的不斷發展而更加完善、強大。
參考文獻：
1、王娟琴.現代信息檢索方法研究[D].武漢大學,1999.
2、施水才.信息檢索的核心支撐技術[EB/OL].中國計算機用戶賽迪網,2003.
3、賈同興.人工智能與情報檢索[M].北京圖書館出版社,1997.
