计算机专业认知实习报告
学号：10104060330 姓名：张强
专业班级：计算机科学与技术103 学院：电子信息工程
2012年6月
这几年，计算机产业迅速发展，对于我们这个专业的来说，能够了解本专业前景，对整个发展有系统整体感知的认识，接触外面世界的需求是非常有必要的。为此，6月份，我们进行了计算机实习，实习的方式是听讲座。
实习目的：深入了解整个计算机的系统知识和发展方向，根据自己的兴趣选择合适的发展方向。开阔视野，增长见识，多一些了解，增加计算机科学与技术在实际生活中应用的知识。对课堂知识进行补充，培养兴趣和爱好。
实习内容：
1.语义Web
讲师：黄广君
1.1语义web的产生
语义web的起源，搜索引擎工作原理，基于关键词，语法层次，词频\\位置\\扇入值。语义web的理论基础。计算语言学，概率统计模型，人工智能技术。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。
1.2语义web技术基础
本体理论与本体论技术，本体定义，本体结构，创建领域本体的步骤。
1.3主要研究方法
基于语言学理论的理想主义方法，基于统计模型的经验主义方法，实际应用中上述两种方法相结合。基于规则的语义分析方法，查询模型模块介绍。句子相似度算法流程。基于统计模型的研究方法，最大熵模型、隐马尔科夫模型、粗糙集理论、人工神经网络技术。基于统计模型的研究方法，基于描述逻辑的知识推理。当前研究热点。
1.4描述逻辑的体系结构
DL的基本元素——概念和关系，TBox语言是描述领域结构的公理的集合。
1.5DL中的构造算子
DL中的其它算子，在DL中添加算子。
1.6描述逻辑中的推理
一致性检测，概念可满足性，概念包含，包含与可满足性的关系，实例检测，可满足性检测算法——Tableaux算法，可判定性，计算复杂性
1.7 智能搜索引擎
搜索引擎类型，查询扩展方法，基于语义模型的查询扩展，重排序，返回文档排序，Semantic web应用
1.8 Semantic web services
起源，Web Services 框架，工作原理，工作模式，Semantic web services层次结构，RDF组成，RDF Data Model，RDF Schema，RDF Basic Concepts，RDF Model，描述语言进化过程。
以前对于web这块，感觉自己一片空白，不过，听完黄广君的讲座后，虽然不是很理解，但有点印象，感觉是那么回事，只好花时间去理解了。收获很大，虽然讲得很枯燥，还是认真听了下。
2.数字图像处理技术
讲师：黎蔚
2.1两种水印应具备的特征
可见水印的特征，不可见水印的应有特性。
2.2不可见水印提取算法的设计与实现
数字水印提取算法的设计，确定提取策略、确定提取公式、确定反置乱算法。根据嵌入公式确定提取公式，反置乱算法的确定，反置乱算法。
2.3相似度分析
相似度分析，相似性度量定义。
2.4鲁棒性能实验和分析
水印图像提取实验，含水印图像涂抹实验，水印图像salt噪声实验，水印图像salt（0.02）噪声再滤波实验，水印图像裁剪实验，JPEG压缩实验。
对于图像处理，一直很感兴趣，这个不像编程那样枯燥，我对ps很感兴趣，不过学过ps后觉得也没什么。听完黎蔚老师的讲座，感觉自己只是确实欠缺，图像原来还可以这样处理的。我的兴趣又加深了，以后打算朝着这个方向发展。
3.数据库技术
3.1数据挖掘发展简述
数据丰富与只是匮乏，从数据到知识，数据挖掘产生，
3.2数据挖掘基本知识
数据挖掘定义、深入、功能。概念描述：定性与对比。关联分析，分类与预测，聚类分析，异类分析，演化分析，数据预处理。
3.3关联挖掘
关联规则挖掘，购物分析，基本概念，关联规则挖掘分类，单维布尔关联规则挖掘，Apriori算法，关联规则的生产，Apriori算法的改进。
3.4空间数据库技术
传统数据库管理空间数据的局限，地理空间数据存储操作的对象可能是一维、二次、三维甚至更高维。传统数据库管理空间数据的局限，不连续的、相关性较小的数字和字符，传统数据库管理的实体类型少，并且实体类型之间通常只有简单固定的空间关系，传统数据库存贮的数据通常为等长记录的原子数据，传统数据库只操纵和查询文字和数字信息。
3.5面向对象模型
对问题领域进行自然的分割，以更接近人类通常思维的方式建立问题领域模型，面向对象数据库系统的特性，特性，实现方式
3.6ER模型（Entity Relationship Model）
确定实体类型、确定联系类型：销售活动或订货活动、确定实体类型和联系类型画出ER图。ER模型的基本成分是实体、联系和属性，弱实体的划分与依赖联系，子类和超类，ER模型的操作，实体类型的分裂，实体类型的合并。设计局部ER模式，全局ER模式的优化。
3.7 半结构化数据
相对于结构化数据(即行数据,存储在数据库里,可以用二维表结构来逻辑表达实现的数据)而言,不方便用数据库二维逻辑表来表现的数据即称为非结构化数据,包括所有格式的办公文档、文本、图片、XML、HTML、各类报表、图像和音频/视频信息等等。
基于数据库的数据挖掘，听着挺霸气的，还好我们刚刚学完数据库，对这个还是挺了解的，听完刘勇的讲座，收获甚大。刘勇讲课喜欢在黑板上演示，这个挺好的，我们都没听明白，对数据库这块又加深了专业知识的掌握。
4.实习体会
这些天的讲座收益颇多。以前接触过网站的制作，所以对于Web，XML,HTML这些东西还是很熟悉的，这次的讲座，又让我重温了这块。不过老师讲的还是挺仔细的，内容很充实，又介绍了其他的web应用。不过，黄广君老师眼神看着电脑，似乎很少看看下面，可能有
点害羞，好多都没听懂，有些东西还是第一次听说，想想有点可怕，了解的东西实在太少了。还好，后面有实例，通过例子，大概知道了点。Semantic不太了解，甚至它的翻译还不知道，后来都是百度了下。本来这就是认知的，只是做了解就行。TBox语言看着有点费劲，不会用，能看懂。DL中的构造算子，逻辑推理，真是云里雾里，以前真没听过。
黎蔚老师那个水印提取算法，我很感兴趣，现在才知道竟有这种技术，还有那个高速公路裂缝处理，学了这么多ps，对图像处理也了解了不少，这种处理的方式还是第一次见。那个数字水印提取算法还是不清楚，还有那个嵌入公式，提取公式，不知道使用什么处理的，需要用到哪些知识呢？这一直都是个未解之谜。反置乱，相似度分析，这些又该怎么处理呢，问题又增加了，这些都没讲清，要是举一个例子出来就好了。那个JPEG图像压缩，怎么压缩啊。压缩之后呢，又该怎么还原？这一切显得很有趣，很想去研究一下。听说研究这个数学要行，不过，这跟数学有什么关系呢？
刚刚学过数据库，也是刘勇教的，数据挖掘也是第一次听说，听着有点深奥。还好有案例，介绍的也很详细，不过，具体怎么去挖掘，还是不太了解。什么人工神经网络、决策树、遗传算法、近邻算法、规则推导，这些技术听着很高级，具体的应用还是一片空白。只有自己下去百度了。同时了解到数据库的抢到功能，不放可以考虑将来选择这个方向。数据库应用广泛，操作很庞大，重要的技术就是挖掘，如果这个学好了，数据库技术也就差不多了吧。
这些天的实习，我学到了不少，了解了我们计算机这个专业的发展方向和研究，真是太广泛了，学到了许多课堂上学不到的。如果仅局限于课本是不够的。如果只掌握课本上的，那我们就比被人没什么优势了，因此，要掌握的还有很多，这个专业的发展真实太广泛了，任何一个领域都有研究方向。对于我们这个专业，要学的真的很多，更新也比较快，要时时掌握一门新的技术了解更多的知识和技能。就拿开发工具和语言来说，又出现了java这门语言。听说我们这个专业，以后找工作，老板都会问会不会安卓或者C++，因为现在主要是苹果和安卓手机开发，这两个是主流。看来必须要掌握过硬的本领了。这对以后的学习提出了更高的要求。有些东西必须要学会自学，要想把别人比下去，就必须本领过硬。以后打算自学与我们这个专业相关的知识，有些地方比较薄弱，找时间补补。每天有事没事编编程，这样就会有收获，以后有的忙了。
