信息資源管理上機(jī)報(bào)告

1、信息資源管理上機(jī)報(bào)告基于共詞分析的AI（人工智能）發(fā)展方向研究院系：管理與經(jīng)濟(jì)學(xué)部 班級： 管信1101班 學(xué)號： 姓名： 引言：人工智能（AI）也稱作機(jī)器智能，是指由人工制造出來的系統(tǒng)所表現(xiàn)出來的智能。通常人工智能是指通過普通計(jì)算機(jī)實(shí)現(xiàn)的智能。該詞同時(shí)也指研究這樣的智能系統(tǒng)是否能夠?qū)崿F(xiàn)，以及如何實(shí)現(xiàn)的科學(xué)領(lǐng)域。人工智能的研究是高度技術(shù)性和專業(yè)的，各分支領(lǐng)域都是深入且各不相通的；人工智能的研究可以分為幾個(gè)技術(shù)問題。其分支領(lǐng)域主要集中在解決具體問題，其中之一是，如何使用各種不同的工具完成特定的應(yīng)用程序。AI的核心問題包括推理，知識，規(guī)劃，學(xué)習(xí)，交流，感知，移動和操作物體的能力等。 HYPERLI

2、NK /wiki/%E5%BC%B7%E4%BA%BA%E5%B7%A5%E6%99%BA%E6%85%A7 o 強(qiáng)人工智能 強(qiáng)人工智能目前仍然是該領(lǐng)域的長遠(yuǎn)目標(biāo)。目前比較流行的方法包括統(tǒng)計(jì)方法，計(jì)算智能和傳統(tǒng)意義的AI。目前有大量的工具應(yīng)用了人工智能，其中包括搜索和數(shù)學(xué)優(yōu)化，邏輯，基于概率論和經(jīng)濟(jì)學(xué)的方法等等。在國際大環(huán)境下，歐美等國在人工智能道路上走的較遠(yuǎn)。1956年，人工智能在中國誕生，自此，我國科學(xué)技術(shù)工作者一直在敏銳的進(jìn)行跟蹤學(xué)習(xí)，經(jīng)過將近半個(gè)世紀(jì)的消化吸收和融會貫通，已經(jīng)從跟蹤學(xué)習(xí)進(jìn)入自主研究重大科學(xué)問題，獨(dú)立進(jìn)行重大科學(xué)創(chuàng)新的新階段。雖然我國在AI的軟件方面的表現(xiàn)突出，但是在硬件

3、、機(jī)器制造等方面的水平還不高，和歐、美、日等國相比，還是處于“很初級”的階段。本文就是通過共詞分析方法，對中國今年有關(guān)AI的論文期刊進(jìn)行整合分析，旨在找到當(dāng)前中國AI發(fā)展的大體方向，以及從事AI研究的領(lǐng)頭陣營。二、方法：共詞分析方法簡介：共詞分析法是文獻(xiàn)計(jì)量學(xué)的一種重要方法，也是內(nèi)容分析的常用方法之一。其思想來源于文獻(xiàn)計(jì)量學(xué)的文獻(xiàn)耦合與共被引概念，即當(dāng)兩個(gè)能夠表達(dá)某一學(xué)科領(lǐng)域研究主題或研究方向的專業(yè)術(shù)語在同一篇文獻(xiàn)中出現(xiàn)時(shí)，表明這兩個(gè)詞之間具有一定的內(nèi)在關(guān)系，并且出現(xiàn)的次數(shù)越多，表明它們的關(guān)系越密切、距離越近。共詞分析原理主要是針對具體某一組詞分別兩兩統(tǒng)計(jì)它們在同一篇文獻(xiàn)中出現(xiàn)的次數(shù)，在此基礎(chǔ)

4、上利用現(xiàn)代統(tǒng)計(jì)技術(shù)，如：因子分析、聚類分析和多為尺度分析的方法，進(jìn)一步按照這種“距離”將一個(gè)學(xué)科內(nèi)的重要主題詞或關(guān)鍵詞加以分類，從而歸納出該學(xué)科的研究熱點(diǎn)、結(jié)構(gòu)與范式。不僅如此，利用現(xiàn)代信息技術(shù)和統(tǒng)計(jì)軟件圖形化技術(shù)，還能夠?qū)⒎治鼋Y(jié)果直觀形象的顯示出來，進(jìn)而達(dá)到可視化的效果。三、數(shù)據(jù)來源此次研究選擇的數(shù)據(jù)資料是論文和期刊，集中來源于中國知網(wǎng)，由于間斷電子科技的更新?lián)Q代的步伐不斷加快，而且有關(guān)人工智能方面的研究文獻(xiàn)數(shù)量龐大，所以選擇了2011年11月5號-2013年11月5號的論文進(jìn)行研究。文獻(xiàn)檢索的方法：在檢索項(xiàng)中選擇“高級檢索”，在檢索詞中鍵入“人工智能”。同時(shí)，為了排除不相關(guān)文獻(xiàn)的干擾、保證

5、信息資源管理研究論文的查準(zhǔn)率和查全率， 對檢索結(jié)果進(jìn)行了下述兩種方式的篩選：一是只選擇學(xué)術(shù)研究性文獻(xiàn)，剔除會議通知、會議報(bào)道、刊物征稿等消息類文獻(xiàn)，以保證研究結(jié)果的可信度；二是只挑選作者、機(jī)構(gòu)、關(guān)鍵詞、刊名、分類號、摘要均齊全的文獻(xiàn)。由于存在一稿多投的問題，最后通過去重處理，得到相關(guān)中文文獻(xiàn) 1522 篇。四、研究文獻(xiàn)中心根據(jù)SATI的數(shù)據(jù)統(tǒng)計(jì)，分析出本文研究的1522篇有關(guān)人工智能的論文來自于599個(gè)期刊和文獻(xiàn)，詳情見下圖（圖中僅列舉了論文數(shù)目大于4的期刊）：序號期刊論文數(shù)量序號期刊論文數(shù)量1吉林大學(xué)學(xué)報(bào)(工學(xué)版)4829經(jīng)營管理者62電腦知識與技術(shù)3030西南交通大學(xué)學(xué)報(bào)63電子制作183

6、1計(jì)算機(jī)應(yīng)用64計(jì)算機(jī)光盤軟件與應(yīng)用1732科技創(chuàng)新導(dǎo)報(bào)55電子測試1433科技創(chuàng)業(yè)家56計(jì)算機(jī)研究與發(fā)展1434科技導(dǎo)報(bào)57科技創(chuàng)新與應(yīng)用1335系統(tǒng)工程與電子技術(shù)58智能系統(tǒng)學(xué)報(bào)1336機(jī)電信息59科技與企業(yè)1237現(xiàn)代電子技術(shù)510科技日報(bào)1238煤炭技術(shù)511小型微型計(jì)算機(jī)系統(tǒng)1139硅谷512模式識別與人工智能1140科技視界513電子技術(shù)與軟件工程1041教育教學(xué)論壇514科技信息1042電腦編程技巧與維護(hù)515計(jì)算機(jī)工程與應(yīng)用943才智561電源技術(shù)應(yīng)用844計(jì)算機(jī)測量與控制517計(jì)算機(jī)應(yīng)用研究845河南科技518計(jì)算機(jī)科學(xué)846中國證券報(bào)419電子世界747系統(tǒng)工程理論與實(shí)踐4

7、20福建電腦748文匯報(bào)421新科幻(文學(xué)原創(chuàng)版)749中國新技術(shù)新產(chǎn)品422中國電力教育750華章423計(jì)算機(jī)技術(shù)與發(fā)展751機(jī)器人技術(shù)與應(yīng)用424黑龍江科技信息652吉林大學(xué)學(xué)報(bào)(理學(xué)版)425科技致富向?qū)?53中國電子報(bào)426科技風(fēng)654人民日報(bào)427中國新通信655計(jì)算機(jī)與數(shù)字工程428軟件656創(chuàng)業(yè)邦4根據(jù)上圖可以出，我國關(guān)注刊載AI相關(guān)論文和資料的期刊比較分散，而且絕大對數(shù)期刊對AI的關(guān)注不是很深入，但是像吉林大學(xué)學(xué)報(bào)(工學(xué)版)、電腦知識與技術(shù) 、電子制作的巨頭期刊對AI的關(guān)注度很高的期刊也不在少數(shù)。由上表所得的人工智能研究領(lǐng)域分布表為：分區(qū)期刊載文數(shù)量期刊數(shù)量論文數(shù)量核心期刊=1

8、210191一般期刊3-1182400相關(guān)期刊1-2517931根據(jù)區(qū)域分析法可得人工智能領(lǐng)域的核心期刊依次是：吉林大學(xué)學(xué)報(bào)(工學(xué)版)、電腦知識與技術(shù) 、電子制作、計(jì)算機(jī)光盤軟件與應(yīng)用、電子測試、計(jì)算機(jī)研究與發(fā)展、科技創(chuàng)新與應(yīng)用、智能系統(tǒng)學(xué)報(bào)、科技與企業(yè)、科技日報(bào)。由此可知，計(jì)算機(jī)方面學(xué)科的期刊是刊載人工智能論文的主要陣地。五、研究熱點(diǎn)分布本研究共獲得原始關(guān)鍵詞4748個(gè)，通過詞頻分析法對人工智能領(lǐng)域的研究熱點(diǎn)進(jìn)行分析。選擇詞頻不低于10次的關(guān)鍵詞共52個(gè)。其中，“人工智能”出現(xiàn)的頻率最高為475次。但鑒于“人工智能”與本研究的內(nèi)容完全重合，在下面的分析中難以發(fā)揮作用，故予以舍棄。最后得到51

9、個(gè)高頻關(guān)鍵詞，如下表所示。2011年11月-2013年11月人工智能領(lǐng)域高頻詞序號關(guān)鍵詞計(jì)數(shù)序號關(guān)鍵詞計(jì)數(shù)1機(jī)器人4516發(fā)展趨勢192專家系統(tǒng)4517信息技術(shù)183應(yīng)用4318人工智能技術(shù)174故障診斷4319圖像處理175數(shù)據(jù)挖掘4120專業(yè)委員會176遺傳算法3921虛擬現(xiàn)實(shí)177模式識別3522自動化168神經(jīng)網(wǎng)絡(luò)2823BP神經(jīng)網(wǎng)絡(luò)169支持向量機(jī)2724人臉識別1510人工神經(jīng)網(wǎng)絡(luò)2425計(jì)算機(jī)1511數(shù)據(jù)庫2226計(jì)算機(jī)軟件1412智能機(jī)器人2127目標(biāo)跟蹤1413智能化2128特征提取1414計(jì)算機(jī)科學(xué)2029自適應(yīng)1315機(jī)器學(xué)習(xí)2030智能控制13其他沒有贅述5.1構(gòu)造共詞

10、矩陣對上面表格中的高頻關(guān)鍵詞兩兩配對，統(tǒng)計(jì)他們在1522篇文獻(xiàn)的關(guān)鍵詞中共同出現(xiàn)的頻次，形成1515的矩陣，如下表所示：5.2構(gòu)造相異矩陣在共詞矩陣分析中，SATI軟件可以作為統(tǒng)計(jì)分析的工具。利用SATI中的相關(guān)分析，將共詞矩陣轉(zhuǎn)化為皮爾遜相關(guān)系數(shù)矩陣，由此能夠消除由共詞次數(shù)差異所帶來的影響。對角線上的數(shù)據(jù)表示某詞自身的相關(guān)程度。為了方便進(jìn)一步處理，用“1”與全部皮爾遜相關(guān)系數(shù)矩陣相減，得到表示兩詞間相異程度的相異矩陣，如表下圖所示：5.3構(gòu)造相似矩陣在共詞矩陣分析中，相似矩陣和相異矩陣對應(yīng)，對應(yīng)位置的數(shù)相加和為1，由于是相似矩陣，縱橫坐標(biāo)對應(yīng)的數(shù)值表示兩個(gè)關(guān)鍵字的相似程度，1表示兩個(gè)關(guān)鍵字完

11、全相關(guān)，0表示兩個(gè)關(guān)鍵字完全不相關(guān)。如表下圖所示六、聚類分析和數(shù)據(jù)挖掘6.1因子分析把研究對象的變量分組，使同組內(nèi)的變量相關(guān)性變高，不同組的變量相關(guān)性較低，每一組的變量成為一個(gè)公共因子，這樣幾個(gè)公共因子可以反映原資料大部分信息。對相關(guān)矩陣使用SPSS進(jìn)行因子分析，選擇“主成分發(fā)”、“平均正交法”，并選擇“輸出碎石圖”，得到的因子分析結(jié)果如下表：6.2聚類分析本研究采用層次聚類，選擇利差平方和與離散數(shù)據(jù)類型中的斐方方法，聚類分+析結(jié)果部分樹狀圖如下圖所示：針對52個(gè)重要的關(guān)鍵詞進(jìn)行因子分析，通過碎石圖可以看出其中的26個(gè)因子的解釋能力比較強(qiáng)，解釋度為69.97%，對26個(gè)因子的命名如下：1、模式

12、識別2、計(jì)算機(jī)科學(xué)理論3、自適應(yīng)控制4、數(shù)據(jù)挖掘5、優(yōu)化6、信息技術(shù)模式識別 0.69專業(yè)委員會0.852中國計(jì)算機(jī)0.931學(xué)會0.929人工智能會議0.914人工智能理論計(jì)算機(jī)科學(xué)理論0.887學(xué)術(shù)論文0.879數(shù)據(jù)庫0.63 計(jì)算機(jī)軟件0.837信息安全 0.876 計(jì)算機(jī)0.038計(jì)算機(jī)科學(xué)0.12目標(biāo)跟蹤0.561自適應(yīng)0.596數(shù)據(jù)挖掘0.782決策樹0.781遺傳算法0.543特征選擇0.514優(yōu)化0.661故障診斷0.039智能機(jī)器人0.507信息技術(shù)0.5077、路徑規(guī)劃8、智能化9、人工神經(jīng)網(wǎng)絡(luò)10、智能機(jī)器人11、支持向量機(jī)12、人臉識別蟻群算法0.519路徑規(guī)劃0.52

13、1智能化0.519自動化0.562人工精神網(wǎng)絡(luò)0.565神經(jīng)網(wǎng)絡(luò)0.037機(jī)器人0.563智能機(jī)器人0.576工業(yè)機(jī)器人0.039智能控制0.034支持向量機(jī)0.547BP精神網(wǎng)絡(luò)0.643人臉識別0.36圖像處理0.4113、機(jī)器人技術(shù)15、機(jī)器學(xué)習(xí)15、特征提取16、智能系統(tǒng)17、本體18、粗糙集19、發(fā)展趨勢20、人工智能技術(shù)21、電力系統(tǒng)22、應(yīng)用23、專家系統(tǒng)24、虛擬現(xiàn)實(shí)25、電氣自動化26、人機(jī)交互七、研究熱點(diǎn)分析根據(jù)上述分析，我國對AI的研究熱點(diǎn)在一下幾點(diǎn)：7.1模式識別模式識別(Pattern Recognition)是指對表征事物或現(xiàn)象的各種形式的(數(shù)值的、文字的和邏輯關(guān)系

14、的)信息進(jìn)行處理和分析,以對事物或現(xiàn)象進(jìn)行描述、辨認(rèn)、分類和解釋的過程,是信息科學(xué)和 HYPERLINK /view/2949.htm t _blank 人工智能的重要組成部分。模式識別又常稱作模式分類，從處理問題的性質(zhì)和解決問題的方法等角度，模式識別分為有監(jiān)督的分類（Supervised Classification）和無監(jiān)督的分類(Unsupervised Classification)兩種。二者的主要差別在于，各實(shí)驗(yàn)樣本所屬的類別是否預(yù)先已知。一般說來，有監(jiān)督的分類往往需要提供大量已知類別的樣本，但在實(shí)際問題中，這。是存在一定困難的，因此研究無監(jiān)督的分類就變得十分有必要了。7.2計(jì)算機(jī)科

15、學(xué)理論關(guān)于計(jì)算和計(jì)算機(jī)械的數(shù)學(xué)理論，也稱為計(jì)算理論或計(jì)算機(jī)科學(xué)的數(shù)學(xué)基礎(chǔ)。理論計(jì)算機(jī)科學(xué)主要包括：自動機(jī)論與形式語言理論程序理論形式語義學(xué)算法分析和計(jì)算復(fù)雜性理論7.3自適應(yīng)控制自適應(yīng)控制可以看作是一個(gè)能根據(jù)環(huán)境變化智能調(diào)節(jié)自身特性的反饋控制系統(tǒng)以使系統(tǒng)能按照一些設(shè)定的標(biāo)準(zhǔn)工作在最優(yōu)狀態(tài)。一般地說，自適應(yīng)控制在航空、導(dǎo)彈和空間飛行器的控制中很成功?？梢缘贸鼋Y(jié)論，傳統(tǒng)的自適應(yīng)控制適合（1）沒有大時(shí)間延遲的機(jī)械系統(tǒng)；（2）對設(shè)計(jì)的系統(tǒng)動態(tài)特性很清楚。但在工業(yè)過程控制應(yīng)用中，傳統(tǒng)的自適應(yīng)控制并不如意。PID自整定方案可能是最可靠的，廣泛應(yīng)用于商業(yè)產(chǎn)品，但用戶并不怎么喜歡和接受。傳統(tǒng)的自適應(yīng)控制方法，

16、要么采用模型參考要么采用自整定，一般需要辨識過程的動態(tài)特性。它存在許多基本問題（1）需要復(fù)雜的離線訓(xùn)練；（2）辨識所需的充分激勵(lì)信號和系統(tǒng)平穩(wěn)運(yùn)行的矛盾；（3）對 HYPERLINK /view/591160.htm t _blank 系統(tǒng)結(jié)構(gòu)假設(shè)；（4）實(shí)際應(yīng)用中，模型的收斂性和系統(tǒng)穩(wěn)定性無法保證。另外，傳統(tǒng)自適應(yīng)控制方法中假設(shè)系統(tǒng)結(jié)構(gòu)的信息，在處理非線性、變結(jié)構(gòu)或大時(shí)間延遲時(shí)很難。7.4數(shù)據(jù)挖掘 數(shù)據(jù)挖掘（Data Mining，DM）又稱數(shù)據(jù)庫中的知識發(fā)現(xiàn)（Knowledge Discover in Database，KDD），是目前 HYPERLINK /wiki/%E4%BA%BA%

17、E5%B7%A5%E6%99%BA%E8%83%BD o 人工智能 人工智能和數(shù)據(jù)庫領(lǐng)域研究的熱點(diǎn)問題，所謂數(shù)據(jù)挖掘是指從數(shù)據(jù)庫的大量數(shù)據(jù)中揭示出隱含的、先前未知的并有潛在價(jià)值的信息的非平凡過程。數(shù)據(jù)挖掘是一種決策支持過程，它主要基于人工智能、機(jī)器學(xué)習(xí)、模式識別、統(tǒng)計(jì)學(xué)、數(shù)據(jù)庫、可視化技術(shù)等，高度自動化地分析企業(yè)的數(shù)據(jù)，做出歸納性的推理，從中挖掘出潛在的模式，幫助決策者調(diào)整市場策略，減少風(fēng)險(xiǎn)，做出正確的決策7.5信息技術(shù):信息技術(shù)（Information Technology，簡稱IT），是主要用于管理和 HYPERLINK /view/2187578.htm t _blank 處理信息所采用

18、的各種技術(shù)的總稱。它主要是應(yīng)用 HYPERLINK /view/92404.htm t _blank 計(jì)算機(jī)科學(xué)和通信技術(shù)來設(shè)計(jì)、開發(fā)、安裝和實(shí)施信息系統(tǒng)及應(yīng)用軟件。它也常被稱為信息和通信技術(shù)（Information and Communications Technology, ICT）。主要包括傳感技術(shù)、計(jì)算機(jī)技術(shù)和通信技術(shù)。7.6路徑規(guī)劃路徑規(guī)劃是指,在具有障礙物的環(huán)境中,按照一定的評價(jià)標(biāo)準(zhǔn),尋找一條從起始狀態(tài)到目標(biāo)狀態(tài)的無碰撞路徑.本算法中路徑規(guī)劃采用了基于知識的遺傳算法,它包含了自然選擇和進(jìn)化的思想,具有很強(qiáng)魯棒性【基于tms320vc5416的機(jī)器視覺. 電視技術(shù) 2004年 李強(qiáng),

19、陳勇,楊尚罡】；也可指給定移動機(jī)械手的初始位姿及機(jī)械手末端的目標(biāo)位姿,在移動機(jī)械手各廣義坐標(biāo)的工作范圍內(nèi)尋找一條無碰撞路徑【一種移動機(jī)械手分級協(xié)調(diào)路徑規(guī)劃方法 制造業(yè)自動化 2005年 李新春,趙冬斌,易建強(qiáng),宋佐時(shí)】；也可指機(jī)器人整體的運(yùn)動規(guī)劃一般又稱為路徑規(guī)劃,由于機(jī)器人整體看作是一個(gè)點(diǎn)或者是一個(gè)固定的幾何體,自由度比較少,因此路徑規(guī)劃問題相對比較簡單.傳統(tǒng)的機(jī)器人運(yùn)動規(guī)劃算法已經(jīng)能較好地解決路徑規(guī)劃問題【人工智能技術(shù)在機(jī)器人運(yùn)動規(guī)劃中的應(yīng)用 計(jì)算機(jī)應(yīng)用研究 2004年 馬雪英,何臻峰,林蘭芬】。7.7人工神經(jīng)網(wǎng)絡(luò)神經(jīng)元網(wǎng)絡(luò)是機(jī)器學(xué)習(xí)學(xué)科中的一個(gè)重要部分，用來classification或

20、者regression。 HYPERLINK /view/17753.htm t _blank 思維學(xué)普遍認(rèn)為，人類大腦的思維分為抽象（ HYPERLINK /view/1838.htm t _blank 邏輯）思維、形象（直觀）思維和靈感（頓悟）思維三種基本方式。邏輯性的思維是指根據(jù)邏輯規(guī)則進(jìn)行推理的過程；它先將信息化成概念，并用符號表示，然后，根據(jù)符號運(yùn)算按串行模式進(jìn)行邏輯推理；這一過程可以寫成串行的指令，讓計(jì)算機(jī)執(zhí)行。然而，直觀性的思維是將 HYPERLINK /view/5857520.htm t _blank 分布式存儲的信息綜合起來，結(jié)果是忽然間產(chǎn)生想法或解決問題的辦法。這種思維方

21、式的根本之點(diǎn)在于以下兩點(diǎn)：1.信息是通過神經(jīng)元上的興奮模式分布存儲在網(wǎng)絡(luò)上；2.信息處理是通過神經(jīng)元之間同時(shí)相互作用的動態(tài)過程來完成的。 HYPERLINK /view/19743.htm t _blank 人工神經(jīng)網(wǎng)絡(luò)就是模擬人思維的第二種方式。這是一個(gè) HYPERLINK /view/1234194.htm t _blank 非線性動力學(xué)系統(tǒng)，其特色在于信息的 HYPERLINK /view/5857520.htm t _blank 分布式存儲和并行協(xié)同處理。雖然單個(gè)神經(jīng)元的結(jié)構(gòu)極其簡單，功能有限，但大量神經(jīng)元構(gòu)成的網(wǎng)絡(luò)系統(tǒng)所能實(shí)現(xiàn)的行為卻是極其豐富多彩的。7.8支持向量機(jī)支持向量機(jī)方法是

22、建立在統(tǒng)計(jì)學(xué)習(xí)理論的 HYPERLINK /view/3685811.htm t _blank VC維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小原理基礎(chǔ)上的，根據(jù)有限的樣本信息在模型的復(fù)雜性（即對特定訓(xùn)練樣本的學(xué)習(xí)精度）和學(xué)習(xí)能力（即無錯(cuò)誤地識別任意樣本的能力）之間尋求最佳折衷，以求獲得最好的推廣能力 。7.9粗糙集粗糙集理論，是繼 HYPERLINK /view/45337.htm t _blank 概率論、模糊集、證據(jù)理論之后的又一個(gè)處理不確定性的數(shù)學(xué)工具。作為一種較新的 HYPERLINK /view/911667.htm t _blank 軟計(jì)算方法，粗糙集近年來越來越受到重視，其有效性已在許多科學(xué)與工程領(lǐng)域

23、的成功應(yīng)用中得到證實(shí)，是當(dāng)前國際上人工智能理論及其應(yīng)用領(lǐng)域中的研究熱點(diǎn)之一。在很多實(shí)際系統(tǒng)中均不同程度地存在著不確定性因素，采集到的數(shù)據(jù)常常包含著噪聲，不精確甚至不完整 。7.10虛擬現(xiàn)實(shí) HYPERLINK /view/7299.htm t _blank 虛擬現(xiàn)實(shí)(Virtual Reality，簡稱VR，又譯作靈境、幻真)是近年來出現(xiàn)的高新技術(shù)，也稱 HYPERLINK /view/831378.htm t _blank 靈境技術(shù)或 HYPERLINK /view/479191.htm t _blank 人工環(huán)境。 HYPERLINK /view/7299.htm t _blank 虛擬現(xiàn)實(shí)是利用電腦模擬產(chǎn)生一個(gè) HYPERLINK /view/175999.htm t _blank 三維空間的 HYPERLINK /view/47107.htm t _blank 虛擬世界，提供使用者關(guān)于