人工智能及专家系统PDF电子书下载

第1章　人工智能概述 1

1.1　人工智能的基本概念 1

1.1.1　智能 1

1.1.2　人类智能 1

1.1.3　人工智能 3

1.1.4　人工智能的研究目标 3

1.2　人工智能的科学体系与分支 4

1.2.1　人工智能的科学体系 4

1.2.2　人工智能的学科范畴 4

1.2.3　人工智能的应用领域 5

1.2.4　人工智能分支的划分 9

1.3　人工智能的技术方案与途径 11

1.3.1　人工智能的基本技术 11

1.3.2　人工智能的研究内容 12

1.3.3　人工智能的研究途径与方法 13

1.4　人工智能的产生与发展 15

1.4.1　人工智能的孕育期（1956年以前） 15

1.4.2　人工智能的基础技术研究与形成期（1956～1970年） 16

1.4.3　人工智能的发展与应用期（1970年以后） 18

1.4.4　人工智能在我国的发展情况 19

1.4.5　人工智能的发展趋势与展望 20

习题 22

第2章　知识表示 24

2.1　知识与知识表示的概念 24

2.1.1　知识 24

2.1.2　知识表示 25

2.2　状态空间表示法 27

2.2.1　状态空间表示法的基本概念和策略 27

2.2.2　状态空间表示法示例 28

2.3　与／或图表示法 32

2.3.1　与／或图知识表示的概念 32

2.3.2　与／或图表示示例 33

2.4　产生式表示法 34

2.4.1　产生式的结构和组成 34

2.4.2　产生式系统的分类 37

2.4.3　产生式系统的性能及其应用 40

2.5　语义网络表示法 41

2.5.1　语义网络的概念 41

2.5.2　语义网络的推理 43

2.5.3　语义网络表示法的特征 44

2.6　框架表示法 44

2.6.1　框架表示法的概念与设计 45

2.6.2　框架的基本结构和描述 46

2.6.3　框架系统 48

2.6.4　框架系统的推理和求解过程 51

2.6.5　5种知识表示方法的比较 52

习题 53

第3章　图搜索技术 55

3.1　图搜索及其分类 55

3.1.1　图搜索的概念 55

3.1.2　图搜索的分类 55

3.1.3　状态图搜索树 56

3.1.4　状态空间搜索算法 57

3.1.5　搜索效率 59

3.2　穷举式搜索 59

3.2.1　广度优先搜索 60

3.2.2　深度优先搜索 61

3.2.3　有界深度优先搜索 62

3.2.4　代价驱动搜索 64

3.3　启发式搜索 66

3.3.1　启发式搜索的基本概念 66

3.3.2　局部择优搜索 67

3.3.3　全局择优搜索 68

3.3.4　与／或图的启发式搜索 69

3.3.5　博弈树的启发式搜索 72

3.3.6　α-β剪枝技术 76

习题 77

第4章　逻辑的知识表示和推理 79

4.1　命题与逻辑 79

4.1.1　命题与命题定律 79

4.1.2　谓词逻辑 81

4.2　谓词逻辑知识表示 83

4.2.1　谓词逻辑知识表示方法 83

4.2.2　谓词逻辑表示的优缺点 86

4.3　逻辑推理的技术与算法 87

4.3.1　子句集及其化简 87

4.3.2　置换与合一 88

4.3.3　鲁滨逊消解（归结）原理 89

习题 94

第5章　智能学习系统 96

5.1　机器学习的基本概念 96

5.1.1　机器学习 96

5.1.2　机器学习系统 98

5.2　智能学习系统的基本模型 100

5.3　机器学习的几种常用方法 102

5.3.1　机械式学习 102

5.3.2　指导式学习 103

5.3.3　示例学习 105

5.3.4　类比学习 107

5.3.5　解释学习 110

习题 114

第6章　知识获取的新途径：数据挖掘与知识发现 115

6.1　数据挖掘的技术基础 115

6.1.1　数据挖掘的概念 115

6.1.2　数据挖掘的功能和存在的主要问题 120

6.1.3　数据挖掘成功案例 123

6.2　数据挖掘的方法步骤和语言工具 124

6.2.1　数据挖掘的方法 124

6.2.2　数据挖掘语言 126

6.2.3　数据挖掘的工具 129

6.2.4　数据挖掘的流程 131

6.3　数据挖掘系统的组构及管理策略 132

6.3.1　数据挖掘系统的组成 132

6.3.2　数据挖掘系统的架构 133

6.3.3　数据挖掘管理系统 136

6.4　数据挖掘的研究与发展 137

6.4.1　数据挖掘系统的开发进展 137

6.4.2　数据挖掘未来研究方向 139

习题 140

第7章　新的知识处理方式：智能主体技术 141

7.1　智能主体的基本知识 141

7.1.1　概念、分类与特点 141

7.1.2　智能主体的研究学派和编程语言 143

7.1.3　智能主体的基本结构 144

7.1.4　智能主体的工作机制 146

7.1.5　智能主体技术的应用 147

7.2　多智能主体系统 149

7.2.1　多智能主体系统的基本概念 149

7.2.2　多智能主体系统的体系结构 151

7.2.3　多智能主体的智能协同 153

7.3　移动智能主体 156

7.3.1　移动智能主体的基本概念 156

7.3.2　移动智能主体的基本结构 158

7.3.3　移动智能主体的技术实现 160

7.3.4　移动智能主体的标准化情况 162

习题 163

第8章　专家系统的原理与设计 164

8.1　专家系统的基本知识 164

8.1.1　专家系统的概念 164

8.1.2　专家系统的特点 164

8.1.3　专家系统的分类 166

8.1.4　新一代专家系统 167

8.1.5　专家系统的主要研究课题 170

8.2　专家系统的设计 171

8.2.1　开发专家系统的需求分析 171

8.2.2　知识获取 172

8.2.3　专家系统构造者间的关系 173

8.2.4　专家系统的设计结构 174

8.2.5　专家系统的开发阶段与过程 175

8.2.6　专家系统的设计要素 177

8.3　专家系统的评价 179

8.3.1　评价方法 179

8.3.2　专家系统的技术评价 180

8.3.3　专家系统的性能评价 182

习题 182

第9章　专家系统的开发工具与环境 183

9.1　专家系统的语言型工具 183

9.1.1　程序设计语言 183

9.1.2　知识工程语言 184

9.2　专家系统的设计工具 186

9.2.1　辅助型工具 186

9.2.2　支持工具 187

9.3　专家系统的开发环境 188

9.3.1　开发环境的定义与功能 188

9.3.2　开发环境的实现途径 189

9.4　专家系统工具的经典实例 190

9.4.1　骨架工具系统EMYCIN 190

9.4.2　骨架工具系统KAS 192

9.4.3　通用专家系统工具介绍 194

习题 198

第10　章不精确推理与模糊专家系统 199

10.1　不精确推理的基本理论 199

10.1.1　不精确推理的模式 199

10.1.2　规则可信度的计算 200

10.1.3　不精确性的组合计算 202

10.1.4　带加权因子的不精确推理 204

10.1.5　带区间的不精确性表示 205

10.2　主观Bayes推理方法 207

10.2.1　主观Bayes推理模型 208

10.2.2　证据不精确性情况下的推理模型 210

10.2.3　组合证据的不精确性计算 211

10.2.4　Bayes方法在PROSPECTOR中的应用 212

10.3　模糊专家系统 214

10.3.1　模糊专家系统的概念与特点 214

10.3.2　模糊集合 216

10.3.3　模糊矩阵与模糊关系 219

10.3.4　模糊逻辑 221

10.3.5　模糊知识表示和模糊匹配 223

10.3.6　模糊逻辑推理 225

10.3.7　模糊专家系统举例 228

习题 230

第11章　基于神经网络的专家系统 232

11.1　神经网络的概念与模型 232

11.1.1　生物神经元 232

11.1.2　人工神经网络 233

11.2　神经网络模型和算法 238

11.2.1　感知器的学习结构与算法 238

11.2.2　BP模型 240

11.2.3　Hopfield模型 243

11.2.4　典型的人工神经网络模型 245

11.3　神经网络专家系统 246

11.3.1 基于神经网络的知识表示与推理 246

11.3.2　基于神经网络的故障诊断专家系统 249

习题 251

第12章　Prolog语言及其程序设计 252

12.1　Prolog语言简介 252

12.2　PDC Prolog数据结构和基本语句 253

12.2.1　常量与变量 253

12.2.2　3种基本语句 254

12.3　PDC Prolog运算符与常用内部谓词 256

12.3.1　函数与运算符 256

12.3.2　输入与输出内部谓词 257

12.3.3　动态数据库内部谓词 258

12.4　PDC Prolog程序结构及其说明 259

12.4.1　程序结构 259

12.4.2　常量段说明 260

12.4.3　域类型说明 260

12.4.4　谓词与动态数据库说明 262

12.4.5　谓词与域类型说明示例 263

12.4.6　对象数据类型的转换 264

12.5　PDC Prolog的基本搜索方法 265

12.5.1　搜索与回溯 265

12.5.2　失败回溯循环法 267

12.5.3　切断回溯控制循环法 267

12.5.4　自定义的循环方法 268

12.5.5　递归 269

12.6　PDC Prolog的数据处理 271

12.6.1　表处理技术 271

12.6.2　字符串处理 274

12.6.3　文件处理 278

12.7　PDC Prolog的多媒体技术 281

12.7.1　窗口的建立及使用 282

12.7.2　图形模式的设置与绘图 286

12.7.3　声音的内部谓词及其应用 289

12.8　PDC Prolog语言与C语言的连接 290

12.8.1　语言条件 291

12.8.2　外部谓词说明 291

12.8.3　参数传递 292

12.8.4　外部C语言子程序 293

12.9　Visual Prolog语言 293

12.9.1　Visual Prolog语言简介 293

12.9.2　Visual Prolog的可视化开发环境及其使用 295

习题 297

第13章　基于Prolog程序实现的专家系统开发实例 301

13.1　基于规则的动物识别专家系统 301

13.1.1 动物识别专家系统的基本组成 301

13.1.2　系统的PDC Prolog源程序及运行 306

13.2　基于逻辑的液压故障诊断专家系统 307

13.2.1 液压故障诊断专家系统的构建 308

13.2.2　液压故障诊断系统的编程与运行状态 309

习题 315

参考文献 316