1. 研究目的与意义

1.1研究的背景

数据挖掘是八十年代,投资人工智能研究项目失败后,人工智能转入实际应用时提出的。它是一个新兴的,面向商业应用的人工智能研究。选择数据挖掘这一术语,表明了与统计、精算、长期从事预言模型的经济学家之间没有技术的重叠。数据挖掘技术包括三个主要部分:算法和技术;数据;建模能力。与数据挖掘密切相关的技术包括:1)机器学习机器学习是计算机科学和人工智能发展的产物,机器学习分为两种学习方式:自组织学习(如神经网络)和从例子中归纳上·规则(如決策树)2)统计统计本包括预言算法(回归)、抽样、基于经验的设计等,现在也开始支持数据挖掘。3)决策支持系纨4)数据仓库5)olap(联机分析处理)、datamart(数据集市)、多维数据库等将数据仓库、olap、数据挖掘等技术融合在一起,即构成企业决策分析环境。三、数据挖掘的社会背景数据挖掘与个人预言:数据挖掘号称能通过历史数据的分析,预测客户的行为,而事实上,客户自己可能都不明确自己下一步要作什么。所以,数据挖掘的结果,没有人们想象中神秘,它不可能是完全正确的。客户的行为是与社会环境相关联的,所以数据挖掘本身也受社会背景的影响。比如说,在美国对银行信用卡客户信用评级的模型运行得非常成功。

1.2 研究的目的及意义

2. 研究内容和预期目标

3. 研究的方法与步骤

3.1研究方法

采用小样本学习、迁移学习等机器学习算法，探索基于小样本的访客用户画像构建；同时基于在深入数据结构、可视化软件开发实现等基本理论和方法基础上，通过所掌握的java或python等编程语言，并结合数据库技术以及软件工程等相关理论、技术，分析挖掘访客数据，数据库、统计分析等技术，开发一个小型访客数据管理与分析挖掘系统，为智能访客机器人精准识别特定的访客人员提供数据支撑。

3.2步骤

4. 参考文献

[1]tom.mitche,machine learning, mcgrawhill

[2]李航，统计学习方法，清华大学出版社，2012.

[3]周志华,机器学习,清华大学出版社，2016.

5. 计划与进度安排

(1)1月11日至2月15日分析课题，查找资料。

(2)2月16日至2月28日完成需求分析。

(3)3月01日至3月16日完成开题报告。