随着互联网信息化的急速推进,在企业、学校以及政府等社会组织中的各个部门内,纷纷建立了满足自身业务需求的信息管理系统。这些系统不管是从实现方式,还是从系统架构上来看都各不相同,并且他们持续的各自独立的运行,逐渐形成了信息孤岛,并且产生了大量的异构数据。但是随着互联网云计算技术的广泛应用,信息资源的平台化已经成为了一种发展趋势。因此企业、学校以及政府等社会组织急需对这些庞大的异构数据进行统一处理,构建智能数据适配器是解决异构数据集成的一个行之有效的方法。智能数据适配器不仅可以面向不同的业务系统数据,而且能能够高效的进行数据的转换、加载、存储、异常数据处理。本文的主要工作和成果如下：(1)为了能够使智能数据适配器在面向不同业务系统时具有通用性,本文研究了专家智能数据适配模型,提取和保存了业务系统数据转换处理的专家知识,帮助智能数据适配器进行动态的数据转换。通过对专家系统中的演绎推理、归纳推理、默认推理进行研究,并进行比较,选择并改进了一种比较好的演绎推理方式,使其能够运用于专家智能数据适配模型中进行动态数据转化和处理。(2)在信息的平台化过程中,一旦数据发生异常或者丢失,会对平台服务的正常运行产生影响。这就要求在智能数据适配器中不仅需要对数据进行转换,并且能够对于异常或者丢失数据进行处理,保证平台化的可靠性。本文提出了在智能数据适配器中使用贝叶斯网络和联合树推理的方式,进行异常或者丢失数据的概率推理,用以数据的填补。针对贝叶斯网络联合树推理的概率基础,使用参数学习的方式构建完全的贝叶斯网络。(3)在面向高校电子监察平台的智能数据适配器的研究和设计中,概述了智能数据适配器的系统基本流程,与业务系统和信息资源平台中心的构架,专家知识库的表示和提取,以及在先验数据集中使用贝叶斯网络参数学习构建贝叶斯网网络的具体过程。(4)对本文所做的工作进行总结和概括,指出研究工作中的一些缺失,并对智能数据适配器的应用前景做出展望。