Page 120 - 计算机应用软件开发技术研究
P. 120
计算机应用软件开发技术研究
Research on Computer Application Software Development Technology
套数据生态系统的基本雏形已然形成，接下来的发展将趋向于系统内部角色的细
分，也就是市场的细分；系统机制的调整，也就是商业模式的创新；系统结构的
调整，也就是竞争环境的调整等，从而使得数据生态系统复合化程度逐渐增强。
二、机器学习的概念、分类和算法
（一）机器学习的概念
机器学习是一门多学科交叉专业，涵盖概率论知识，统计学知识，近似理
论知识和复杂算法知识，使用计算机作为工具并致力真实实时的模拟人类学习方
式，并将现有内容进行知识结构划分来有效提高学习效率。它是人工智能核心，
是使计算机具有智能的根本途径。
机器学习有下面几种定义：一是机器学习是一门人工智能的科学，该领域的
主要研究对象是人工智能，特别是如何在经验学习中改善具体算法的性能；二是
机器学习是对能通过经验自动改进的计算机算法的研究；三是机器学习是用数据
或以往的经验，以此优化计算机程序的性能标准。
（二）机器学习的分类
几十年来，研究发表的机器学习的方法种类很多，根据强调侧面的不同可以
有多种分类方法。
1.基于学习策略的分类
（1）模拟人脑的机器学习
符号学习：模拟人脑的宏观心理级学习过程，以认知心理学原理为基础，
以符号数据为输入，以符号运算为方法，用推理过程在图或状态空间中搜索，学
习的目标为概念或规则等。符号学习的典型方法有记忆学习、示例学习、演绎学
习、类比学习、解释学习等。
神经网络学习（或连接学习）：模拟人脑的微观生理级学习过程，以脑和神
经科学原理为基础，以人工神经网络为函数结构模型，以数值数据为输入，以数
值运算为方法，用迭代过程在系数向量空间中搜索，学习的目标为函数。典型的
连接学习有权值修正学习、拓扑结构学习。
（2）直接采用数学方法的机器学习
主要有统计机器学习，统计机器学习是基于对数据的初步认识以及学习目
的的分析，选择合适的数学模型，拟定超参数，并输入样本数据，依据一定的策
·108·
