一、自动识别技术

自动识别技术是以计算机、光、机、电、通信等技术的发展为基础的一种高度自动化的数据采集技术。它通过应用一定的识别装置，自动地获取被识别物体 的相关信息，并提供给后台的处理系统来完成相关后续处理的一种技术。它能够帮助人们快速而又准确地进行海量数据的自动采集和输入，目前在运输、仓储、配送 等方面已得到广泛的应用。自动识别技术在20世纪70年代初步形成规模，经过近30年的发展，自动识别技术已经发展成为由条码识别技术、智能卡识别技术、光字符识别技术、射频识别技术、生物识别技术等组成的 综合技术，并正在向集成应用的方向发展。

条码识别技术是目前使用最广泛的自动识别技术，它是利用光电扫描设备识读条码符号，从而实现信息自动录入。条码是由一组按特定规则排列的条、空及对 应字符组成的表示一定信息的符号。不同的码制，条码符号的组成规则不同。目前，较常使用的码制有：EAN/ UPC条码、128条码、ITF - 14条码、交插二五条码、三九条码、库德巴条码等。

射频识别（RFID） 技术是近几年发展起来的现代自动识别技术，它是利用感应、无线电波或微波技术的读写器设备对射频标签进行非接触式识读，达到对数据自动采集的目的。它可以识别高速运动物体，也可以同时识读多个对象，具有抗恶劣环境、保密性强等特点。

生物识别技术是利用人类自身生理或行为特征进行身份认定的一种技术。生物特征包括手形、指纹、脸形、虹膜、视网膜、脉搏、耳廓等，行为特征包括签 字、声音等。由于人体特征具有不可复制的特性，这一技术的安全性较传统意义上的身份验证机制有很大的提高。目前，人们已经发展了虹膜识别技术、视网膜识别 技术、面部识别技术、签名识别技术、声音识别技术、指纹识别技术等六种生物识别技术。

二、数据仓库和数据挖掘技术

数据仓库出现在20世纪80年代中期，它是一个面向主题的、集成的、非易失的、时变的数据集合，数据仓库的目标是把来源不同的、结构相异的数据经加工后在数据仓库中存储、提取和维 护，它支持全面的、大量的复杂数据的分析处理和高层次的决策支持。数据仓库使用户拥有任意提取数据的自由，而不干扰业务数据库的正常运行。

数据挖掘是从大量的、不完全的、有噪声的、模糊的及随机的实际应用数据中， 挖掘出隐含的、未知的、对决策有潜在价值的知识和规则的过程。一般分为描述型数据挖掘和预测型数据挖掘两种。描述型数据挖掘包括数据总结、聚类及关联分析 等，预测型数据挖掘包括分类、回归及时间序列分析等。其目的是通过对数据的统计、分析、综合、归纳和推理， 揭示事件间的相互关系，预测未来的发展趋势，为企业的决策者提供决策依据。

三、人工智能技术

人工智能就是探索研究用各种机器模拟人类智能的途径，使人类的智能得以物化与延伸的一门学科。它借鉴仿生学思想，用数学语言抽象描述知识，用以模仿生物体系和人类的智能机制，目前主要的方法有神经网络、进化计算和粒度计算三种。

1、神经网络。神经网络是在生物神经网络研究的基础上模拟人类的形象直觉思维，根据生物神经元和神经网络的特点，通过简化、归纳，提炼总结出来的一类并行处理 网络。神经网络的主要功能主要有联想记忆、分类聚类和优化计算等。虽然神经网络具有结构复杂、可解释性差、训练时间长等缺点，但由于其对噪声数据的高承受 能力和低错误率的优点，以及各种网络训练算法如网络剪枝算法和规则提取算法的不断提出与完善，使得神经网络在数据挖掘中的应用越来越为广大使用者所青睐。

2、进化计算。进化计算是模拟生物进化理论而发展起来的一种通用的问题求解的方法。因为它来源于自然界的生物进化，所以它具有自然界生物所共有的极强的适应性 特点，这使得它能够解决那些难以用传统方法来解决的复杂问题。它采用了多点并行搜索的方式，通过选择、交叉和变异等进化操作，反复叠代，在个体的适应度值 的指导下，使得每代进化的结果都优于上一代，如此逐代进化，直至产生全局最优解或全局近优解。其中最具代表性的就是遗传算法，它是基于自然界的生物遗传进 化机理而演化出来的一种自适应优化算法。

3、粒度计算。早在1990年，我国着名学者张钹和张铃就进行了关于粒度问题的讨论，并指出“人类智能的一个公认的特点，就是人们能从极不相同的粒度（granulari2ty） 上观察和分析同一问题。人们不仅能在不同粒度的世界上进行问题的求解，而且能够很快地从一个粒度世界跳到另一个粒度世界，往返自如，毫无困难。这种处理不 同粒度世界的能力，正是人类问题求解的强有力的表现”.随后，Zadeh讨论模糊信息粒度理论时，提出人类认知的三个主要概念，即粒度（包括将全体分解为部分） 、组织（包括从部分集成全体） 和因果（包括因果的关联）,并进一步提出了粒度计算。他认为，粒度计算是一把大伞，它覆盖了所有有关粒度的理论、方法论、技术和工具的研究。目前主要有模糊集理论、粗糙集理论和商 空间理论三种。

声明：本文转载于【CIO时代网】，图片来源于摄图网，版权归原作者所有，本平台经整理发布，仅供交流、学习和参考，不代表本平台观点，不做商用，转载请联系原作者。若有来源标注存在错误或侵犯到您的权益，烦请告知，本平台将于第一时间整改处理。