1、虛擬現實數據分析研究現狀

虛擬現實技術（簡稱VR，Virtual Reality）的技術根源可以追溯到軍事模擬，最初模擬平時和緊急情況下的飛行環境，用來訓練飛行員。在歐美發達國家，虛擬現實技術已經廣泛應用于虛擬設計、戰術演練、虛擬培訓、城市規劃、醫學和地質勘探等領域。美國航空航天局“哈勃太空望遠鏡的修復和維護”計劃、美國西科爾斯基飛機公司和波音公司開發RAH-66“科曼奇”直升機、德國寶馬汽車公司的汽車零部件設計、內飾設計、空氣動力學試驗和撞車安全試驗等工作中均用到虛擬現實技術，相比之下，國內對VR的研究才剛剛起步。

裝備訓練中通過建立計算機裝備虛擬仿真系統，針對具體型號的裝備，對不同想定背景下的多組裝備使用方案以及對同一方案下的多組參量進行多次重復的虛擬仿真實驗，產生大量的復雜的具有多維數據特征的虛擬仿真結果，積累了大量實驗數據。目前，對實驗數據的分析除了采用簡單的統計方法外，還采用數據倉庫技術，將實驗數據結構化后進行數據挖掘和可視化展示，如果處理和分析過程過程緩慢，則通過提高硬件配置和優化傳統方法（如選用優秀數據庫工具、數據分區、建立索引、擴大緩存、優化SQL等）提高性能。

2、大數據挖掘技術研究現狀

近年來，“大數據”已廣為人知，大數據的數據集大小以難以想象的速度增長，給數據處理帶來了極大的挑戰。然而傳統的數據管理和分析系統是基于關系型數據庫管理系統 (RDBMS) 的，這些系統在處理結構化數據時性能突出，但是對半結構化或無結構化數據的處理卻無法提供有力的支持。顯然，傳統的 RDBMS 無法處理如今大數據的規模和異構性。

由于大數據的多樣性，數據分析的方法大不相同。有些工作對領域相關的算法進行了總結。Manimom 等在中對數據挖掘算法進行了分類，將其分為描述性、預測性和驗證性，但傳統的集中式串行數據挖掘方法不再是一種適當的信息獲取方式。作為大數據的IT基礎平臺，基于云計算的數據挖掘技術研究已經成為一個熱點話題，基于Hadoop的數據挖掘工具平臺也紛紛出現，如中科院的PDMiner，這些工具平臺大多通過改造傳統的數據挖掘算法，采用并行方式進行大規模的數據分析，從而提高了數據挖掘的效率。

3、物聯網

定義

最簡潔明了的定義：物聯網(Internet of Things)是一個基于互聯網、傳統電信網等信息承載體，讓所有能夠被獨立尋址的普通物理對象實現互聯互通的網絡。它具有普通對象設備化、自治終端互聯化和普適服務智能化3個重要特征。

其它的定義：物聯網指的是將無處不在（Ubiquitous）的末端設備

（Devices）和設施（Facilities），包括具備“內在智能”的傳感器、移動終端、工業系統、樓控系統、家庭智能設施、視頻監控系統等、和“外在使能”(Enabled)的，如貼上RFID的各種資產（Assets）、攜帶無線終端的個人與車輛等等“智能化物件或動物”或“智能塵埃”（Mote），通過各種無線和/或有線的長距離和/或短距離通訊網絡連接物聯網域名實現互聯互通（M2M)、應用大集成（Grand Integration)、以及基于云計算的SaaS營運等模式，在內網（Intranet）、專網（Extranet）、和/或互聯網（Internet）環境下，采用適當的信息安全保障機制，提供安全可控乃至個性化的實時在線監測、定位追溯、報警聯動、調度指揮、預案管理、遠程控制、安全防范、遠程維保、在線升級、統計報表、決策支持、領導桌面（集中展示的Cockpit Dashboard)等管理和服務功能，實現對“萬物”的“高效、節能、安全、環保”的“管、控、營”一體化。

“一句式”理解物聯網

把所有物品通過信息傳感設備與互聯網連接起來，進行信息交換，即物物相息，以實現智能化識別和管理。

泛在聚合

全球范圍內物聯網的產業實踐主要集中在三大方向。

何為數據“泛在聚合”意義上的物聯網？

第一個實踐方向被稱作“智慧塵埃”，主張實現各類傳感器設備的互聯互通，形成智能化功能的網絡。

第二個實踐方向即是廣為人知的基于RFID技術的物流網，該方向主張通過物品物件的標識，強化物流及物流信息的管理，同時通過信息整合，形成智能信息挖掘。

第三個實踐方向被稱作數據“泛在聚合”意義上的物聯網，認為互聯網造就了龐大的數據海洋，應通過對其中每個數據進行屬性的精確標識，全面實現數據的資源化，這既是互聯網深入發展的必然要求，也是物聯網的使命所在。

比較而言，“智慧塵埃”意義上的物聯網屬于工業總線的泛化。這樣的產業實踐自從機電一體化和工業信息化以來，實際上在工業生產中從未停止過，只是那時不叫物聯網而是叫工業總線。這種意義上的物聯網將因傳感技術、各類局域網通信技術的發展，依據其內在的科學技術規律，堅實而穩步地向前行進，并不會因為人為的一場運動而加快發展速度。

RFID意義上的物聯網，所依據的EPCglobal標準在推出時，即被定義為未來物聯網的核心標準，但是該標準及其惟一的方法手段RFID電子標簽所固有的局限性，使它難以真正指向物聯網所提倡的智慧星球。原因在于，物和物之間的聯系所能告知人們的信息是非常有限的，而物的狀態與狀態之間的聯系，才能使人們真正挖掘事物之間普遍存在的各種聯系，從而獲取新的認知，獲取新的智慧。

“泛在聚合”即是要實現互聯網所造就的無所不在的浩瀚數據海洋，實現彼此相識意義上的聚合。這些數據既代表物，也代表物的狀態，甚至代表人工定義的各類概念。數據的“泛在聚合”，將能使人們極為方便的任意檢索所需的各類數據，在各種數學分析模型的幫助下，不斷挖掘這些數據所代表的事務之間普遍存在的復雜聯系，從而實現人類對周邊世界認知能力的革命性飛躍。

4、人工智能

人工智能的定義可以分為兩部分，即“人工”和“智能”。“人工”比較好理解，爭議性也不大。有時我們會要考慮什么是人力所能及制造的，或者人自身的智能程度有沒有高到可以創造人工智能的地步，等等。但總的來說，“人工系統”就是通常意義下的人工系統。

關于什么是“智能”，就問題多多了。這涉及到其它諸如意識（CONSCIOUSNESS）、自我（SELF）、思維（MIND）（包括無意識的思維（UNCONSCIOUS_MIND））等等問題。人唯一了解的智能是人本身的智能，這是普遍認同的觀點。但是我們對我們自身智能的理解都非常有限，對構成人的智能的必要元素也了解有限，所以就很難定義什么是“人工”制造的“智能”了。因此人工智能的研究往往涉及對人的智能本身的研究。其它關于動物或其它人造系統的智能也普遍被認為是人工智能相關的研究課題。

人工智能在計算機領域內，得到了愈加廣泛的重視。并在機器人，經濟政治決策，控制系統，仿真系統中得到應用。

尼爾遜教授對人工智能下了這樣一個定義：“人工智能是關于知識的學科――怎樣表示知識以及怎樣獲得知識并使用知識的科學。”而另一個美國麻省理工學院的溫斯頓教授認為：“人工智能就是研究如何使計算機去做過去只有人才能做的智能工作。”這些說法反映了人工智能學科的基本思想和基本內容。即人工智能是研究人類智能活動的規律，構造具有一定智能的人工系統，研究如何讓計算機去完成以往需要人的智力才能勝任的工作，也就是研究如何應用計算機的軟硬件來模擬人類某些智能行為的基本理論、方法和技術。

人工智能是計算機學科的一個分支，二十世紀七十年代以來被稱為世界三大尖端技術之一（空間技術、能源技術、人工智能）。也被認為是二十一世紀三大尖端技術（基因工程、納米科學、人工智能）之一。這是因為近三十年來它獲得了迅速的發展，在很多學科領域都獲得了廣泛應用，并取得了豐碩的成果，人工智能已逐步成為一個獨立的分支，無論在理論和實踐上都已自成一個系統。