2023专业认知实习报告

　　学号：

　　姓名：凡海洋

　　专业班级：计算机103

　　学院：电子信息工程学院

　　随着社会的发展，科技的进步，计算机技术的飞速发展，作为信息载体的计算机日益显露出其举足轻重的地位。当今社会已步入了信息社会，知识经济将成为新世纪的主导产业。伴随计算机的逐步推广和使用，计算机已在科研、生产、商业、服务等许多方面创造了提高效率的途径。它已成为政府、企事业单位信息化建设中的重要组成部分，从而倍受人们的重视。

　　实习目的：

　　通过听讲座了解一些与本专业有关的当代的前沿技术和知识、开阔自己的眼界，同时可以帮助自己了解计算机专业的就业前景，以及就业方向。有利于自己对本专业的认识，根据自己的自身情况，为自己制定一个适合自己的目标，以及根据自己的兴趣点选择自己比较感兴趣的方向。

　　实习内容：

　　1. Semantic web 与 Semantic web services

　　1.1 语义web的起源

　　20xx年Tim Bernas Lee发表论文提出新一代Internet技术。机器识别和处理

　　1.1.1 搜索引擎工作原理

　　基于关键词，语法层次，词频位置扇入值

　　1.1.2 现有改进方法

　　提供交互式界面，逐步求精。采用目录或基于反馈信息。效率较低

　　1.1.3 引入语义分析技术

　　基于本体，对用户的查询请求语句或词组做语义分析，进行必要的扩展和形式化处理。

　　利用了语句中的语法结构信息和上下文语境信息，并使用逻辑推理技术，提高了查全率和查准率。

　　1.2 语义web的目标

　　将面向人的网页、文档、知识转化为机器可以识别和处理的数据，从而提高查询效果。

　　1.3 web的主要研究方法

　　1.3.1 基于语言学理论的理想主义方法

　　1.3.2 基于统计模型的经验主义方法。然而实际应用中是上述两种方法相结合。

　　1.4 基于规则的语义分析方法

　　1.4.1 切词 主要对汉语，英语主要是去停用词。

　　1.4.2 词性标注 分析单词之间的语法关系。

　　1.4.3短语划分：最关键任务。

　　1.5 搜索引擎的类型

　　理想型：web网页被完整语义标注，引擎对查询请求语句作深层语义分析，具有智能推理功能。

　　完整型：具有全面语义分析、搜索和推理能力，可以对web网页做自动标注。

　　改进型：基于现有搜索引擎，对其输入输出接口做语义升级。

　　通过黄广君老师对web应用开发的讲解，我对web和web搜索有了一些初步的了解， 了解到web的出现给我们的计算机网络带来了很多的方便，它使Internet上的内容极大丰富，以及使用上的方便快捷、简单易懂、它使信息检索无界限，它具有交互性，web的交互性首先表现在它的超连接上，用户的浏览顺序和所到站点完全由他自己决定。另外通过FORM的形式可以从服务器方获得动态的信息。黄老师的讲解使我认识到计算机技术的发展给我们生活带来的便利，也是我对计算机专业就业前景有了初步的了解，计算机的就业方向也是很多的，关键是自己要有一定的技术很本领。

　　2. 数字图像处理技术及其发展动向

　　数字图像处理技术起源于20世纪20年代，目前已成为工程学、计算机科学、信息科学、统计学、物理学、化学、生物学、医学甚至社会科学等领域各学科之间学习和研究的对象。

　　数字图像处理技术的意义：图像是人们从客观世界获取信息的重要来源、图像信息处理是人类视觉延续的重要手段、数字图像处理技术对国计民生有重要意义

　　数字图像处理的特点：图像信息量大、数字图像处理技术综合性强、图像信息理论与通信理论密切相关。

　　数字图像处理的主要内容：图像信息的获取、图像信息的存储 、图像信息的传送、 图像信息处理、图像信息的输出和显示。

　　数字图像处理领域的发展动向：提高精度的同时着重处理速度问题、加强软件研究、开发新的处理方法，特别要注意移植和借鉴其他学科的技术和研究成果，创造新的处理方法、加强边缘学科的研究工作，促进图像处理技术的发展、加强理论研究，逐步形成图像处理科学自身的理论体系、时刻注意图像处理领域的标准化问题。图像的信息量大、数据量大，因而图像信息的建库、检索和交流是一个极严重的问题。

　　在今天数字图像处理技术已经得到了广泛的应用，在医学上、航空航天、等方面有着广泛应用。

　　通过黎蔚老师的讲解，我对数字处理技术有了一定的了解，数字处理技术要求有较高的数学基础和程序设计思想，也了解到计算机技术的精深，好多事情计算机都可以实现并很快地去完成。也了解到数字图像处理是一个很好的研究方向和就业方向。

　　3. 数据挖掘

　　数据挖掘的产生：随着信息技术的高速发展，网络和数据库的广泛应用，各个领域的数据规模和范围不断扩大。

　　数据挖掘的核心模块技术历经了数十年的发展，其中包括数理统计、人工智能、机器学习。今天，这些成熟的技术，加上高性能的关系数据库引擎以及广泛的数据集成，让数据挖掘技术在当前的数据仓库环境中进入了实用的阶段。

　　在数据挖掘中最常用的技术有：

　　人工神经网络：仿照生理神经网络结构的非线形预测模型，通过学习进行模式识别。 决策树：代表着决策集的树形结构。

　　遗传算法：基于进化理论，并采用遗传结合、遗传变异、以及自然选择等设计方法的优化技术。

　　近邻算法：将数据集合中每一个记录进行分类的方法。

　　规则推导：从统计意义上对数据中的“如果-那么”规则进行寻找和推导。

　　通过刘勇老师对数据库挖掘的讲解，我明白了数据库挖掘的作用，通过数据挖掘可以把一些对自己有价值信息，在海量的数据库信息中抽取出来，然后来供自己使用。也让我明白了数据库挖掘的一些基本方法和原理。老师的讲解激发了我对数据库的兴趣。同时了解到数据库也是一个很好的就业方向，这也为自己以后的就业增加了一个选择的方向。