目 录 1
第一章引论 1
1.1机器感知 1
1.1.1计算机视觉 1
1.1.2自然语言理解 2
1.1.3解决感知问题的方法——层次分割 3
1.2模式识别 4
1.2.1模式识别的统计方法 6
1.2.2模式识别的句法（结构）方法 9
1.2.3模式识别的应用领域 14
1.3 Bayes判定论 15
1.3.1极小化误差概率的Bayes规则 15
1.3.2极小化失误分类平均风险的Bayes规 18
则 18
1.4知识系统的基本概念 21
1.4.1符号 21
1.4.3搜索 22
. 1.4.2符号推理 22
第二章知识表示 28
2.1信息、知识与技巧 28
2.1.1信息与知识 28
2.1.2知识与技巧 30
2.2知识表示 32
2.2.1表示映象 33
2.2.2用谓词逻辑及其它逻辑的知识表示 35
2.2.3知识的结构表示 37
3.1历史的回顾 53
第三章知识系统结构 53
3.2知识系统与专家系统的特点 57
3.3一个专家系统模型标本 61
3.4一个专家系统的典型工作过程 64
3.5知识系统的典型成分 67
3.6知识系统结构 69
3.6.1 解决简化问题的系统结构 69
3.6.2处理不定性知识的系统结构 70
3.6.3处理随时间变化数据的系统结构 71
3.6.4处理大搜索空间的系统 74
3.6.5多知识源系统结构 76
3.7知识库 79
3.8知识系统应用的领域和类型 80
第四章推理与控制策略 85
4.1 引言 85
4.1.1推理路径 85
4.1.2策略 86
4.1.3元规则 87
4.2.1确定性推理 88
4.2推理方式 88
4.2.2概率推理 90
4.2.3不定性推理 96
4.3如何建造一个推理机 105
4.4几点看法 106
第五章知识获取 108
5.1建造知识系统的关键 108
5.2什么是知识获取 108
5.3知识工程师 111
5.4知识获取的基本过程与方法 113
5.4.1识别阶段 113
5.4.2概念化阶段 116
5.4.3形式化阶段 117
5.4.4实现阶段 118
5.4.5测试阶段 119
5.4.6对试验系统进行修改 120
5.5.1非自动型知识获取 121
5.5知识获取的若干类型 121
5.5.2自动型知识获取 128
5.6知识获取辅助系统 133
5.6.1解释机构 134
5.6.2人机会话机构 134
5.7几点看法 136
第六章知识库管理 137
6.1概述 137
6.2知识库管理与知识获取 137
6.3.1不一致性检测 138
6.3知识库管理的基本任务 138
6.3.2包含 139
6.3.3单条规则间的矛盾 140
6.4知识库中弱规则的检测和纠正 144
6.4.1 SEEK2——一个自动诊断和修改知识 144
库中弱规则的系统 144
6.4.2元知识与元知识库 150
6.5知识库管理工具 152
6.5.1知识库的检索 152
6.5.2知识库的编辑 153
6.5.3簿记功能 154
6.5.4知识库的安全与保密 157
第七章知识系统的评价 159
7.1系统评价的动机 159
7.1.1为何要进行评价 159
7.1.2评价动机的确定 160
7.2制定评价计划 161
7.2.1对系统特性的评价 161
7.2.2确定评价的客观标准 163
7.2.4确定评价的手段 164
7.2.3确定系统成功的现实标准 164
7.3如何评价一个系统 165
7.3.1何时开始、何时停止评价 165
7.3.2系统的研制与评价过程 165
7.4方法论问题 167
8.1 引言 170
8.2知识工程语言 170
第八章知识工程语言和工具 170
8.3建造系统的工具 172
8.3.1骨架系统 172
8.3.2通用表示语言 173
8.3.3辅助设计工具 173
8.4如何生成一个知识系统 174
8.5典型工具系统 175
8.5.1 EMYCIN系统 175
8.5.2 EXPERT系统 181
8.5.3 OPS5系统 188
第九章多层系统 196
9.1 引言 196
9.2表层与深层系统特性 198
9.2.1表层系统 198
9.2.2深层系统 198
9.3多层系统 199
9.4知识的多层表示 200
9.4.1多层问题的内在特性 200
9.4.2表示的层次结构 201
9.4.3层间的形式关系 202
9.5多层模型中的通讯问题 203
9.6如何生成一个多层系统 204
9.7 典型系统 206
9.7.1 ELAS系统 206
9.7.2 MGJ-1通用汉字专家系统 212
第十章机器学习 221
10.1 引言 221
10.2连续性、影响和环境 224
10.3学习系统模型 225
10.4机器学习方法 228
10.4.1 机械学习 228
10.4.2嘱咐式学习 229
10.4.3通过例子学习 230
10.5机器学习算法 232
10.5.1 搜索 232
10.5.2遗传学自适应算法 233
10.5.3搜索算子 236
10.6典型的学习系统 237
10.6.1 LS-1学习系统 237
10.6.2 BEAGLE学习系统 238
10.6.3 EURISKO学习系统 241
10.7几点看法 241
附录Ⅰ MGJ-1系统运行“快照” 244
附录Ⅱ 建造专家模型的几点建议 247
附录Ⅲ 死亡时间鉴定专家模型 248
参考文献 253