多任务情景下复杂数据格式的智能整理与归一化输出设计开题报告

2021-03-10 11:03

1. 研究目的与意义（文献综述）

1.研究的目的

随着计算机应用技术全方位、多层次地往纵深方向发展，以计算机应用技术为基础的智能信息处理系统广泛地部署、并服务于各个行业。科技发展迅速的今天对信息处理技术的要求越来越高，需要对随时变化的信息进行一定的处理和分析。以智能信息处理系统为依托的应用软件或集成系统可以满足当今社会对信息处理技术的要求，把复杂、不确定、不可靠的信息转化为简洁、确定的信息。智能信息处理技术能够把已经获取的信息进行合理和充分地运用，在事务处理效率提高的同时，相应的处理时间大为缩减，运营成本也能在一定程度上大幅下降，极大地提升了对具体业务的管理水平和运营水准。

与单链条、线性方式运营的流水线业务形态不同，多任务处理常见于业务形态为网状、并行方式运营的企事业单位中。较典型的多任务处理有快递公司使用多名快递人员送达多件包裹的安排、航空公司航线运营中对所属飞机和机组人员的调配、高校教学组织中多名教师执行各专业课程计划等。

在多任务情境下的数据处理中，数据量大，特征多，来源不同，传统的处理方法主要依靠人工处理，需要一整个团队从大量的数据中分析，这样不仅耗费大量的人力和时间，处理的效率十分低，而且处理的过程中也比较容易出错。基于数据挖掘技术的智能信息处理系统却可以轻松解决这一复杂的数据问题，只需要一位管理员，将来自各个方面的信息录入系统中，就可以实现多任务情景下的复杂数据的智能整理，这不仅极大提高了数据处理的效率，处理的结果更加合理、准确。

2.国内外研究现状

目前，经过多年的研究与发展，多任务情境下的数据智能整理技术已经比较成熟，而利用数据挖掘技术进行数据的智能整理与分析更是多年以来国内外在智能信息处理方面的研究重点。而如今，基于数据挖掘技术的智能信息处理技术已经运用于各个领域。在国外，不少企业和公司都已经具备了非常成熟的数据挖掘应用技术，并且对不少具备较高应用价值的数据挖掘软件进行了完成。其中比较出名的有spss clementine、sas enterprise miner、ibm intelligent miner、i-miner等。这些数据挖掘系统有应用于大规模企业的，有用于实验室科研机构的，有用于政府部门的，其广泛的应用和推广也大大推进了数据挖掘技术以及智能信息处理技术的研究和发展。

国内的数据智能处理虽然起步比较晚，但发展很快，并且得以运用于各个领域。在市场营销方面，利用数据挖掘技术可以使商家从大量的顾客信息和商品信息中分析得顾客的购买方式；在医院方面，通过数据的智能整理，可以合理安排医生和护士的工作分配，并可从大量的病例中快速找到相似的病例；在学校教育方面，数据的智能整理更是教务管理系统必不可少的部分，利用数据挖掘技术，从大量的教学信息中分析并合理安排和分配各项教学资源；在智能货运码头方面，基于数据的智能整理为前提，利用计算机应用技术，实现机器人自动化与智能化的物流整理。

剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！

2. 研究的基本内容与方案

本研究主要解决简单多任务管理系统中输入部分涉及的问题，主要内容是将不同格式的excel表或word表录入数据库中并进行归一化处理，并按照指定的条目和格式输出相应的数据，为后续的数据统计做好准备工作。

本设计采用的数据库是mysql，mysql是一个关系型数据库管理系统，是关系数据管理系统中最好的应用软件之一。

mysql所使用的sql语言是用于访问数据库最常用的标准化语言，由于其体积小，速度快总体拥有成本低，开放源码，因此一般中小型网站的开放都选择mysql作为网站数据库。

剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！

3. 研究计划与安排

第1—4周：查阅相关文献资料；在明确设计内容的基础上撰写并提交开题报告。

第5—6周：学习并掌握智能信息处理相关理论知识及数据库语言操作，论文开题。

第7—8周：分析并明确多任务中复杂数据的特点、完成模拟多任务复杂数据构建。

第9—10周：分析多任务复杂数据整理逻辑与步骤，并在较为简单的数据集上进行验证。

第11—12周：完成较大量多任务复杂数据的自动输入，并在较为复杂数据集上实现数据的整理工作，对前期工作进行整合，实现归一化输出。

第13—14周：完成论文初稿。

第15-16周：对论文进修改和完善，准备毕业设计答辩。

剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！

4. 参考文献（12篇以上）

[1] 严冬梅.数据库原理[m].北京：清华大学出版社，2011

[2] 马克·艾伦·维斯. 数据结构与算法分析[m].上海：机械工业出版社，2016

[3] 周伟明. 多任务下的数据结构与算法[m]. 武汉:华中科技大学出版， 2006

[4] hector garcia-molina, jeffrey d. ullman and jennifer widom, database systems - the complete book (2nd edition)[m]. upper saddle river: pearson prentice hall, 2012

[5] philip j. pratt, mary z. last，microsoft access 2013 comprehensive[m].boston : cengage learning, 2014.

[6]刘继征.学校任务管理系统的设计与实现[d].电子科技大学，2011年

[7]刘畅.基于web的高校学报社智能管理信息系统研究[d].哈尔滨工程大学，2007

[8]张雪娇.员工管理系统的设计与实现[d].电子科技大学，2010

[9]刘俊，王扬宇.基于版本的教学任务管理系统的设计[j].信息技术，2008年第12期

[10]蒋盛益,张钰莎,王连喜.数据挖掘基础与应用实例[m].经济科学出版社，2015

[11]尹为民，曾慧，吴迪倩.数据库技术及应用[m].清华大学出版社，2011

[12]谭建豪.数据挖掘技术[m].北京：中国水利水电出版社，2009.

[13]尹为民.数据库原理与技术[m].北京：科学出版社，2010.

[14]胡可云，田凤占，黄厚宽.数据理论与应用[m].北京：清华大学出版社，2008.

[15]pang-ning tan michael steinbach vipin kumar.introductoin to data mining[m].北京：人民邮电出版社，2011,5

[16] martin kowalczyk,peter buxmann.big data and information processing in organizational decision processes[j].business amp; information systems engineering，2014，6（5）：267-278

[17]marin fotache.data processing languages for business intelligence. sql vs. r[j].informatica economica，2016，20（1）：48-61

剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付

注册

找回密码