一、自動識別技術(shù)
自動識別技術(shù)是以計算機、光、機、電、通信等技術(shù)的發(fā)展為基礎(chǔ)的一種高度自動化的數(shù)據(jù)采集技術(shù)。它通過應(yīng)用一定的識別裝置，自動地獲取被識別物體的相關(guān)信息，并提供給后臺的處理系統(tǒng)來完成相關(guān)后續(xù)處理的一種技術(shù)。它能夠幫助人們快速而又準確地進行海量數(shù)據(jù)的自動采集和輸入，目前在運輸、倉儲、配送 等方面已得到廣泛的應(yīng)用。自動識別技術(shù)在20世紀70年代初步形成規(guī)模，經(jīng)過近30年的發(fā)展，自動識別技術(shù)已經(jīng)發(fā)展成為由條碼識別技術(shù)、智能卡識別技術(shù)、光字符識別技術(shù)、射頻識別技術(shù)、生物識別技術(shù)等組成的綜合技術(shù)，并正在向集成應(yīng)用的方向發(fā)展。
條碼識別技術(shù)是目前使用最廣泛的自動識別技術(shù)，它是利用光電掃描設(shè)備識讀條碼符號，從而實現(xiàn)信息自動錄入。條碼是由一組按特定規(guī)則排列的條、空及對 應(yīng)字符組成的表示一定信息的符號。不同的碼制，條碼符號的組成規(guī)則不同。目前，較常使用的碼制有：ean/ upc條碼、128條碼、itf- 14條碼、交插二五條碼、三九條碼、庫德巴條碼等。
射頻識別（rfid） 技術(shù)是近幾年發(fā)展起來的現(xiàn)代自動識別技術(shù)，它是利用感應(yīng)、無線電波或微波技術(shù)的讀寫器設(shè)備對射頻標簽進行非接觸式識讀，達到對數(shù)據(jù)自動采集的目的。它可以識別高速運動物體，也可以同時識讀多個對象，具有抗惡劣環(huán)境、保密性強等特點。
生物識別技術(shù)是利用人類自身生理或行為特征進行身份認定的一種技術(shù)。生物特征包括手形、指紋、臉形、虹膜、視網(wǎng)膜、脈搏、耳廓等，行為特征包括簽 字、聲音等。由于人體特征具有不可復(fù)制的特性，這一技術(shù)的安全性較傳統(tǒng)意義上的身份驗證機制有很大的提高。目前，人們已經(jīng)發(fā)展了虹膜識別技術(shù)、視網(wǎng)膜識別技術(shù)、面部識別技術(shù)、簽名識別技術(shù)、聲音識別技術(shù)、指紋識別技術(shù)等六種生物識別技術(shù)。
二、數(shù)據(jù)倉庫和數(shù)據(jù)挖掘技術(shù)
數(shù)據(jù)倉庫出現(xiàn)在20世紀80年代中期，它是一個面向主題的、集成的、非易失的、時變的數(shù)據(jù)集合，數(shù)據(jù)倉庫的目標是把來源不同的、結(jié)構(gòu)相異的數(shù)據(jù)經(jīng)加工后在數(shù)據(jù)倉庫中存儲、提取和維護，它支持全面的、大量的復(fù)雜數(shù)據(jù)的分析處理和高層次的決策支持。數(shù)據(jù)倉庫使用戶擁有任意提取數(shù)據(jù)的自由，而不干擾業(yè)務(wù)數(shù)據(jù)庫的正常運行。
數(shù)據(jù)挖掘是從大量的、不完全的、有噪聲的、模糊的及隨機的實際應(yīng)用數(shù)據(jù)中， 挖掘出隱含的、未知的、對決策有潛在價值的知識和規(guī)則的過程。一般分為描述型數(shù)據(jù)挖掘和預(yù)測型數(shù)據(jù)挖掘兩種。描述型數(shù)據(jù)挖掘包括數(shù)據(jù)總結(jié)、聚類及關(guān)聯(lián)分析等，預(yù)測型數(shù)據(jù)挖掘包括分類、回歸及時間序列分析等。其目的是通過對數(shù)據(jù)的統(tǒng)計、分析、綜合、歸納和推理， 揭示事件間的相互關(guān)系，預(yù)測未來的發(fā)展趨勢，為企業(yè)的決策者提供決策依據(jù)。
三、人工智能技術(shù)
人工智能就是探索研究用各種機器模擬人類智能的途徑，使人類的智能得以物化與延伸的一門學科。它借鑒仿生學思想，用數(shù)學語言抽象描述知識，用以模仿生物體系和人類的智能機制，目前主要的方法有神經(jīng)網(wǎng)絡(luò)、進化計算和粒度計算三種。
1、神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)是在生物神經(jīng)網(wǎng)絡(luò)研究的基礎(chǔ)上模擬人類的形象直覺思維，根據(jù)生物神經(jīng)元和神經(jīng)網(wǎng)絡(luò)的特點，通過簡化、歸納，提煉總結(jié)出來的一類并行處理網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)的主要功能主要有聯(lián)想記憶、分類聚類和優(yōu)化計算等。雖然神經(jīng)網(wǎng)絡(luò)具有結(jié)構(gòu)復(fù)雜、可解釋性差、訓(xùn)練時間長等缺點，但由于其對噪聲數(shù)據(jù)的高承受 能力和低錯誤率的優(yōu)點，以及各種網(wǎng)絡(luò)訓(xùn)練算法如網(wǎng)絡(luò)剪枝算法和規(guī)則提取算法的不斷提出與完善，使得神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)挖掘中的應(yīng)用越來越為廣大使用者所青睞。
2、進化計算。進化計算是模擬生物進化理論而發(fā)展起來的一種通用的問題求解的方法。因為它來源于自然界的生物進化，所以它具有自然界生物所共有的極強的適應(yīng)性特點，這使得它能夠解決那些難以用傳統(tǒng)方法來解決的復(fù)雜問題。它采用了多點并行搜索的方式，通過選擇、交叉和變異等進化操作，反復(fù)疊代，在個體的適應(yīng)度值 的指導(dǎo)下，使得每代進化的結(jié)果都優(yōu)于上一代，如此逐代進化，直至產(chǎn)生全局最優(yōu)解或全局近優(yōu)解。其中最具代表性的就是遺傳算法，它是基于自然界的生物遺傳進化機理而演化出來的一種自適應(yīng)優(yōu)化算法。
3、粒度計算。早在1990年，我國著名學者張鈸和張鈴就進行了關(guān)于粒度問題的討論，并指出“人類智能的一個公認的特點，就是人們能從極不相同的粒度（granulari2ty）上觀察和分析同一問題。人們不僅能在不同粒度的世界上進行問題的求解，而且能夠很快地從一個粒度世界跳到另一個粒度世界，往返自如，毫無困難。這種處理不 同粒度世界的能力，正是人類問題求解的強有力的表現(xiàn)”.隨后，zadeh討論模糊信息粒度理論時，提出人類認知的三個主要概念，即粒度（包括將全體分解為部分）、組織（包括從部分集成全體） 和因果（包括因果的關(guān)聯(lián)）,并進一步提出了粒度計算。他認為，粒度計算是一把大傘，它覆蓋了所有有關(guān)粒度的理論、方法論、技術(shù)和工具的研究。目前主要有模糊集理論、粗糙集理論和商空間理論三種。