第1章 信息处理与智能技术 1
1.1 信息与信息处理 1
1.1.1 信息的定义 1
1.1.2 信息处理 1
1.1.3 信息技术 2
1.1.4 中文信息处理 4
1.1.5 信息处理向知识处理过渡 6
1.2 智能理论 7
1.2.1 智能理论概述 7
1.2.2 经典人工智能 8
1.2.3 计算智能 9
1.2.4 其他智能理论 10
1.3 智能信息技术 12
1.3.1 智能网技术 12
1.3.2 网络管理和控制技术智能化 13
1.3.3 网络信息搜索智能技术 14
1.3.4 智能计算机技术 16
1.3.5 智能控制技术 19
1.3.6 智能Agent技术及其在网络搜索中的应用 20
2.2 一阶谓词逻辑表示法 22
2.1 综述 22
第2章 信息的智能化表示 22
2.1.1 一阶谓词逻辑的理论基础 23
2.2.2 基于一阶谓词逻辑的知识表达 27
2.3 产生式表示法 28
2.3.1 产生式规则的基本形式 28
2.3.2 产生式系统 28
2.3.3 产生式系统的推理过程 30
2.4 框架表示法 31
2.4.1 知识的框架表示 31
2.4.3 框架与规则的组合 32
2.4.2 框架推理 32
2.5 语义网络表示法 33
2.5.1 语义网络的知识表示 33
2.5.2 常用的语义联系 33
2.5.3 语义网络的推理 34
2.5.4 语义网络知识表示的特点 35
2.6 面向对象表示法 35
2.6.1 面向对象的基本概念和特征 36
2.6.2 面向对象的知识表示 37
3.1.2 推理的发展概述 39
3.1.1 什么是推理 39
第3章 智能化推理技术 39
3.1 基本概念 39
3.1.3 推理的控制策略 40
3.2 经典逻辑推理技术 43
3.2.1 自然演绎推理 43
3.2.2 归结演绎推理 45
3.2.3 基于规则的演绎推理 52
3.3 搜索的基本策略 58
3.3.1 状态空间表示的搜索策略 58
3.3.2 与/树表示的搜索策略 70
3.3.3 博弈树搜索策略 76
3.4 不确定与非单调推理 81
3.4.1 什么是不确定性推理 81
3.4.2 不确定性推理中的基本问题 82
3.4.3 不确定性推理方法 85
3.4.4 什么是非单调推理 87
3.4.5 非单调推理方法 88
4.1 数据仓库概述 91
4.1.1 数据仓库的起源 91
第4章 数据仓库和数据挖掘 91
4.1.2 数据仓库的定义 92
4.1.3 数据仓库的特征 92
4.2 数据仓库构建和优化 94
4.2.1 数据仓库开发的生命周期 94
4.2.2 数据仓库的数据结构 96
4.2.3 高性能数据仓库平台的建立 99
4.3 数据仓库管理和维护 105
4.3.1 数据的更新和复制 106
4.3.4 访问控制与安全性 107
4.3.2 数据源的同步化 107
4.3.3 故障恢复 107
4.3.5 数据增长的管理 108
4.3.6 数据库性能的管理 108
4.3.7 数据仓库的增强与扩充 109
4.4 数据挖掘概述 110
4.4.1 数据挖掘概念 110
4.4.2 数据挖掘的必要性 111
4.4.3 数据挖掘的发展前景 112
4.5.1 分类和预测 113
4.5 数据挖掘技术简介 113
4.5.2 基于关联规则的挖掘 116
4.5.3 聚类分析技术 121
4.5.4 基于Web的挖掘 125
4.5.5 其他挖掘技术 128
4.6 数据仓库与数据挖掘 130
4.6.1 数据挖掘和数据仓库的关系 130
4.6.2 基于数据仓库的数据挖掘 131
5.1 信息搜索概述 135
5.1.1 基本概念 135
第5章 信息搜索及其智能化 135
5.1.2 存在的问题 137
5.2 搜索引擎概述 138
5.2.1 搜索引擎发展历程 138
5.2.2 搜索引擎的工作原理 140
5.2.3 搜索模型 144
5.2.4 搜索引擎的分类 147
5.2.5 搜索引擎的现状及面临的挑战 149
5.3 智能搜索引擎 151
5.3.1 智能搜索引擎特征 151
5.3.2 智能搜索引擎技术 154
5.4 图像和动态网页的搜索 159
5.4.1 图像信息的搜索 159
5.4.2 动态网页的搜索 162
第6章 智能决策支持系统 165
6.1 决策支持系统概述 165
6.1.1 决策支持系统的基本概念 165
6.1.2 决策支持系统的形成和发展 168
6.1.3 智能决策支持系统 170
6.2 智能决策支持系统的体系结构 171
6.2.1 智能决策支持系统的基本构件 172
6.2.2 智能决策支持系统的系统结构 177
6.3 智能决策支持系统集成技术 180
6.3.1 模型生成技术和模型管理 180
6.3.2 模型管理和数据管理的接口技术 183
6.3.3 知识库与数据库的结合技术 184
6.4 智能决策支持系统的建造和实现 185
6.4.1 人机界面的设计与实现 185
6.4.2 数据库的设计与实现 186
6.4.3 模型库的设计与实现 188
6.4.4 知识库的设计与实现 190
7.1 智能体概述 193
7.1.1 基本概念 193
第7章 Agent与多Agent 193
7.1.2 Agent理论 194
7.1.3 Agent系统结构 197
7.2 Agent的分类与应用 199
7.2.1 接口型Agent 200
7.2.2 流动型Agent 201
7.2.3 信息型Agent 203
7.3.1 多Agent系统结构 205
7.3 多Agent系统 205
7.3.2 多Agent特点 207
7.4 多Agent的通信机制 208
7.4.1 本体论 208
7.4.2 KIF格式 209
7.4.3 KQML 210
7.4.4 SHADE 211
7.5 多Agent间的协商与协调 213
7.5.1 多Agent的协商 213
7.5.2 多Agent的协调 214
第8章 智能计算机 218
8.1 概述 218
8.1.1 智能计算机概念 218
8.1.2 智能计算机体系结构研究 219
8.2 人工神经网络计算机 221
8.2.1 神经计算机系统背景及研究现状 221
8.2.2 神经网络计算机的体系结构 223
8.2.3 电子神经网络计算机 224
8.2.4 光神经计算机 228
8.2.5 总结 231
8.3 网络计算机系统 232
8.3.1 网格的起源与发展 232
8.3.2 网格的关键技术问题 233
8.3.3 研究现状 236
8.4 生物计算机 236
8.5 纳米计算机 238
8.5.1 纳米计算机的分类 238
8.5.2 纳米级的二态器件 240
8.5.3 最新研究进展 241