知识工程与知识发现PDF电子书下载

第一篇 知识工程的逻辑基础 1

第1章 形式系统概论 3

1.1 形式系统的产生与发展 3

1.2 形式系统的定义 4

1.3 形式系统的元语言 6

1.4 形式系统的元理论 6

第2章 命题演算 10

2.1 命题演算形式系统(FSPC) 10

2.2 FSPC的讨论 13

3.1 一阶谓词演算形式系统(FSFC) 16

第3章 一阶谓词演算 16

3.2 FSFC语构的讨论 18

3.3 FSFC语义的讨论 22

3.4 语构与语义关系的讨论 24

3.5 FSFC的形式表达能力 28

3.6 多型变元一阶谓词演算系统 30

第4章 二阶谓词逻辑 33

4.1 二阶谓词演算形式系统 33

4.2 二阶语义及其与二阶谓词演算系统的关系 36

4.3 知识表示的格林方法和科瓦尔斯基方法 38

5.1 模态逻辑的正规系统及其语义 41

第5章 模态逻辑 41

5.2 模态逻辑系统NSKD、NSKT、NSKB、NSK4、NSK5及其它 46

5.3 模态谓词演算 49

5.4 模态逻辑的几种解释(知道逻辑与信念逻辑) 50

第6章 时序逻辑 56

6.1 MPTL的语言 56

6.2 MPTL的语义 57

6.3 时序逻辑系统MPTL 59

第7章 动态逻辑 68

7.1 命题动态逻辑 68

7.2 一阶动态逻辑 70

7.3 一阶动态逻辑的描述能力 73

第8章 多值逻辑 76

8.1 三值逻辑 77

8.2 无穷值逻辑 80

8.3 完备性定理 83

8.4 谱理论简介 86

8.5 多值逻辑的应用 89

第9章 模糊逻辑 94

9.1 “点值”模糊逻辑 94

9.2 语言真值模糊逻辑 96

9.3 区间值模糊逻辑 98

9.4 算子模糊逻辑 99

9.5 模糊逻辑的应用 102

第10章 非单调逻辑 106

10.1 非单调逻辑的产生 106

10.2 缺席推理逻辑 109

10.3 非单调逻辑 111

10.4 限定理论 113

第11章 归纳逻辑 116

11.1 经典归纳逻辑简介 116

11.2 现代归纳逻辑简介 121

11.3 归纳逻辑与人工智能 132

第二篇 知识表示与推理机制 135

第12章 知识表示方法 137

12.1 产生式表示法 138

12.2 语义网络表示法 141

12.3 框架表示法 146

12.4 谓词表示法 149

12.5 面向对象表示法 153

12.6 基于范例表示法 157

12.7 基于Rough Set表示法 159

12.8 基于语言场表示法 161

12.9 基于知识体表示法 164

12.10 其它表示方法 170

13.1 不确定性推理 173

第13章 推理机制 173

13.2 非单调推理 210

13.3 定性推理 223

13.4 其它推理 239

第14章 搜索策略 248

14.1 盲目搜索 248

14.2 启发式搜索 253

第三篇 机器学习与知识获取 259

第15章 概述 261

15.1 知识来源和关于学习的理论 261

15.2 机器学习 262

15.3 知识获取的主要手段 264

15.4 知识获取工具 266

第16章 通过例子学习 277

16.1 学习单个概念 277

16.2 学习多个概念 286

16.3 学习执行多步任务 290

第17章 通过类比学习 299

17.1 类比学习与推理系统 299

17.2 转换类比 305

17.3 派生类比系统 309

17.4 设计和再设计问题 311

17.5 重演中的问题 312

17.6 POPART等简介 317

第18章 基于解释的学习 338

18.1 基于解释的抽象 338

18.2 基于解释的学习 341

第19章 通过观察学习 350

19.1 引言 350

19.2 概念内聚 351

19.3 所涉及到的术语和基本操作 352

19.4 聚类质量的标准 356

19.5 总结 357

20.1 一个符号积分问题求解系统(FISLS) 358

第20章 问题求解中的机器学习方法 358

20.2 一个类比求解方法的理论模型 365

20.3 基于案例的不定积分求解系统 370

20.4 反应块及其在类比推理中的应用 375

20.5 通过联想的学习方法及其应用 380

20.6 LEAP：一个数字电路设计的学徒学习系统 384

20.7 布尔电路设计操作的学习 389

第21章 知识获取 394

21.1 基于人工神经网络的知识获取方法 394

21.2 专家知识的归纳获取 399

第四篇 实用智能系统 403

22.1 专家系统的概念 405

第22章 专家系统 405

22.2 专家系统的基本结构 411

22.3 知识的获取 412

22.4 知识的管理 416

22.5 专家系统的设计原则 421

第23章 决策支持系统 423

23.1 基本概念 423

23.2 决策支持系统的基本结构 431

23.3 决策支持系统与管理信息系统的关系 439

23.4 决策支持系统的分类 440

23.5 决策支持应用实例 447

第24章 机器人规划 451

24.1 机器人规划的作用和任务 452

24.2 积木世界的机器人规划 453

24.3 使用目标栈的规划系统 456

24.4 STRIPS规划系统 461

24.5 一个通用规划求解系统的简单介绍 463

24.6 具有学习能力的PULP-I规划系统 467

24.7 NOAH规划系统 468

24.8 基于专家系统的机器人规划系统 472

24.9 基于知识的机器人规划系统 475

24.10 总结 478

第25章 新型计算机系统--神经计算机系统 480

25.1 神经计算机系统的背景及研究现状 481

25.2 神经网络的拓扑结构分析 483

25.3 神经网络模型 486

25.4 神经计算机系统的体系结构的考虑 490

25.5 Transputer与多处理器系统 493

25.6 神经计算机系统的3种实现方式 496

25.7 神经网络计算机的一种分形实现 502

25.8 总结 506

第26章 其它新型计算机系统 508

26.1 数据库计算机系统 508

26.2 面向智能信息处理的多机系统及多媒体计算机系统 513

26.3 总结 519

第五篇 知识发现系统 521

第27章 知识发现系统的研究综述 523

27.1 KDD的产生简介 523

27.2 KDD的描述性定义 524

27.3 KDD预处理 526

27.4 KDD的应用 529

27.5 有关KDD软件的简介 531

27.6 KDD研究和应用所面临的挑战 534

第28章 知识发现系统的机理研究 536

28.1 双库协同机制研究(Ⅰ) 536

28.2 双库协同机制研究(Ⅱ) 549

29.1 KDD系统 564

第29章 知识发现系统的模型结构研究 564

29.2 KD(D K)系统 570

29.3 ESKD系统 580

第30章 数据发掘方法 584

30.1 概述 584

30.2 KDD的可视化发掘技术 586

30.3 基于证据理论的发掘方法 588

30.4 基于概念树提升的发掘方法 595

30.5 基于神经网络的发掘方法 598

30.6 基于因果关系定性推理的发掘方法 605

30.7 基于统计的发掘方法 609

30.8 基于遗传算法的发掘方法 616

30.9 基于粗糙集的发掘方法 629

30.10 其它 639

第31章 知识评价方法及知识的组织、管理和维护 663

31.1 知识评价方法 663

31.2 可信度计算 668

31.3 知识的组织、管理和维护 671

第32章 KDD原型及应用 679

32.1 KDD原型系统 679

32.2 实例 683

参考文献 686