大数据背景下不确定性人工智能中的知识表达 知识获取及推理PDF电子书下载

第1章 绪论 1

1.1 研究背景 1

1.1.1 不确定性人工智能与贝叶斯网络 1

1.1.2 贝叶斯网络起源、发展与研究现状 3

1.2 问题提出 5

1.2.1 贝叶斯网络结构学习与知识获取 5

1.2.2 贝叶斯网络结构学习方法的新要求 7

1.3 研究内容与框架 8

1.4 本书的创新点 11

第2章 相关问题研究现状 13

2.1 贝叶斯网络结构学习方法研究现状 13

2.1.1 基于专家知识的贝叶斯网络结构学习方法 13

2.1.2 基于数据集的贝叶斯网络结构学习方法 14

2.2 认知科学领域相关研究现状 18

2.2.1 认知与人工智能 18

2.2.2 认知与不确定性的表达、推理和决策 20

2.2.3 认知与机器学习 21

2.2.4 认知与知识获取 22

2.3 本章小结 24

第3章 理论基础 25

3.1 贝叶斯网络的理论基础 25

3.1.1 贝叶斯网络原理、定义和特性 25

3.1.2 贝叶斯网络学习和推理 28

3.2 强相关逻辑的理论基础 30

3.2.1 逻辑、推论与知识获取 30

3.2.2 条件关系与CML、传统相关逻辑 31

3.2.3 知识获取中的相关推论与强相关逻辑 33

3.3 双库协同认知机制 34

3.3.1 双库协同机制的概念 34

3.3.2 双库协同认知机制理论框架 34

3.4 本章小结 37

第4章 基于Mqars算法的贝叶斯网络结构学习方法 38

4.1 基于Mqars的方法的提出 38

4.1.1 问题描述 38

4.1.2 基于Mqars的方法的技术路线 39

4.2 基于Mqars的方法的理论框架 41

4.2.1 基于Mqars的方法的理论平台 41

4.2.2 基于Mqars的方法的认知特性 42

4.3 先验知识的提取约简方法 44

4.3.1 先验知识提取约简方法的提出 44

4.3.2 基于RS的贝叶斯网络节点约简算法 44

4.3.3 基于KPCA的先验知识提取算法 47

4.3.4 基于RS＆KPCA的先验知识提取约简算法 49

4.4 基于粗糙集的多值属性关联规则挖掘算法（Mqars） 50

4.4.1 Mqars算法的提出 50

4.4.2 Mqars算法的描述 51

4.4.3 Mqars算法的实现 53

4.4.4 Mqars算法的实例 55

4.5 因果关联规则的贝叶斯网络结构表示方法 57

4.6 本章小结 58

第5章 基于强相关逻辑的贝叶斯网络及其结构学习方法 59

5.1 问题描述 59

5.1.1 概率逻辑模型 59

5.1.2 SRL-BNs的提出 61

5.2 SRL-BNs的概述与特点 62

5.2.1 SRL-BNs的知识演化 62

5.2.2 SRL-BNs的特点 63

5.3 SRL-BNs的组件和语义 63

5.3.1 SRL-BNs的组件 64

5.3.2 SRL-BNs宣言式的语义 65

5.4 基于SRL-BNs的贝叶斯网络结构学习方法 66

5.4.1 基于SRL-BNs的方法的提出 66

5.4.2 基于SRL-BNs的方法的认知特性 67

5.4.3 基于SRL-BNs的方法的流程和算法描述 68

5.5 一个SRL-BNs的实例研究 70

5.6 本章小结 72

第6章 基于Mqars的方法在财务预警问题研究中的应用 73

6.1 问题提出 73

6.1.1 研究背景 73

6.1.2 财务危机界定与财务预警模型研究综述 74

6.1.3 贝叶斯网络方法的提出 78

6.2 研究设计 80

6.2.1 样本的界定与选取 80

6.2.2 财务指标的确定 82

6.3 构建基于贝叶斯网络的财务预警模型 84

6.3.1 基于RS的财务指标的约简 84

6.3.2 财务预警模型的网络结构学习 86

6.3.3 财务预警模型节点参数确定 87

6.4 模型应用及实证研究结论 89

6.4.1 财务预警系统的应用 89

6.4.2 实证研究结论 92

6.5 本章小结 92

第7章 基于SRL-BNs的方法在产业集群衰退预测中的应用 93

7.1 研究背景与研究现状 93

7.2 研究设计 96

7.2.1 研究样本的选取 96

7.2.2 研究样本的界定 97

7.3 产业集群衰退知识库构建 99

7.3.1 逻辑斯蒂方程与需求增长率 99

7.3.2 资源需求量与企业成本 100

7.3.3 集群规模与吸引力 101

7.3.4 经济周期与市场需求量 101

7.3.5 路径依赖与技术创新力 102

7.3.6 路径依赖与战略选择 103

7.3.7 知识溢出效应 104

7.4 构建基于SRL-BNs的产业集群衰退模型 105

7.4.1 基于SRL的简单条件句和谓词提取 105

7.4.2 创建定性贝叶斯子句 107

7.4.3 创建过程贝叶斯子句 108

7.4.4 确定定量贝叶斯子句 110

7.5 预测结果分析及结论 112

7.6 本章小结 115

第8章 结论与展望 116

8.1 本书的主要结论 116

8.2 未来工作的展望 117

参考文献 119

附录 132