绪 论 1
目 录 1
第一篇基础篇 5
第1章知识发现的逻辑基础 6
1.1概论 6
1.1.1形式系统简介 6
1.1.2相关的逻辑简介 8
1.1.3推理机制 14
1.2.1基于语言场与语言值结构的描述框架 20
1.2.2单一语言场因果关系定性推理 20
1.2因果关系定性推理 20
1.2.3综合语言场因果关系定性推理 21
1.3广义细胞自动机与广义归纳逻辑因果模型 23
1.3.1细胞自动机模型 23
1.3.2广义因果细胞自动机与广义归纳逻辑因果模型 24
1.3.3基于广义因果细胞自动机的广义因果归纳推理模型 25
第2章知识发现的方法论基础 27
2.1新的知识表示方法 27
2.1.1语言场与语言值结构 28
2.1.2因果状（变）态在语言场中的描述 29
2.1.3标准样本空间中语言值的量化表示与因果知识表示 29
2.1.4非标准样本空间中语言值的量化表示 30
2.2新的预处理方法——基于语言场理论的连续属性离散化方法 31
2.1.5基于语言场的知识表示方法 31
2.2.1属性的划分 32
2.2.2离散化算法实现 33
2.3 KDD中的数据挖掘方法概览 34
2.4数据挖掘新算法之一——基于广义归纳逻辑因果模型的因果关联规则挖掘 40
算法 40
2.4.1在标准样本空间中的因果关联规则挖掘方法 40
2.4.2在一般样本空间中，单一语言场下的因果关联规则挖掘方法 41
2.4.3在一般样本空间中，综合语言场下的因果关联规则挖掘方法 42
2.5.1小波神经网络学习算法 43
2.5数据挖掘新算法之二——基于小波神经网络的混沌模式挖掘算法 43
2.5.2小波神经网络对混沌模式的提取 45
2.6 KDK中新的知识发现方法 46
2.6.1 基于事实的KDK建模与挖掘算法 47
2.6.2基于规则的KDK建模与挖掘算法 49
2.7专家知识的归纳获取 53
2.7.1机理研究 54
2.7.2算法研究 55
2.7.3环境研究 55
2.7.6结论 56
2.7.5应用研究 56
2.7.4技术研究 56
第3章知识发现的哲学基础 58
第二篇理论篇 63
第4章知识发现系统的内在机理 64
4.1 引言 64
4.1.1 KDD技术研究和应用所面临的挑战 65
4.1.2内在机理研究的意义——对知识发现主流发展的影响 66
4.2双库协同机制 69
4.2.1双库协同机制的提出 69
4.2.2双库协同机制的内涵 69
4.2.3双库协同机制的理论框架 70
4.2.4进一步讨论 86
4.3双基融合机制 91
4.3.1双基融合机制的内涵 91
4.3.2双基融合机制的理论框架 91
4.3.3三个协调算法 96
4.4信息扩张机制 106
4.4.1信息扩张机制的内涵 106
4.4.2动态挖掘进程中规则参数演化规律 106
4.4.3动态挖掘进程中，关联规则的取舍方法和可理解性讨论 110
4.4.4实例验证 113
4.4.5知识发现系统的认知复杂性 116
4.4.6动态挖掘进程研究中的几个可能的专题方向 118
第5章 内在机理诱导出的新结构模型 121
5.1 KDD*（KDD*？KDD＋双库协同机制） 121
5.1.1 KDD*的结构模型 121
5.1.2 KDD*双库协同机制的技术实现 123
5.1.3 KDD*的特征 127
5.1.4 KDD*的多智能体实现 128
5.2 KDK*（KDK*？KDK＋双基融合机制） 133
5.2.1 KDK*的结构模型 133
5.2.3实例验证 134
5.2.2 KDK*中双基融合机制的技术实现 134
5.3 KD(D K)(KD(D K)？KDD*+KDK*) 136
5.3.1 KD（D K）系统的总体结构模型 136
5.3.2 KD（D K）的动态知识库系统 138
5.3.3 KD（D K）的特征 138
5.4信息扩张机制诱导出的扩展性结构模型 139
5.4.1 KDD*E总体结构模型 139
5.4.2 KD（D K）*概述 141
第6章内在机理与新结构模型派生出的新技术方法 142
6.1挖掘关联规则的新算法——Maradbcm算法 142
6.1.1引论 142
6.1.2 Maradbcm算法的实现 143
6.1.3 Maradbcm算法的性能分析 144
6.2.1引论 146
6.2.2评价函数 146
6.2.3编码、交叉和突变策略 146
6.2挖掘聚类规则的新算法 146
6.2.4基于双库协同机制的数值域划分算法（数据聚类算法）描述 147
6.3.2针对KDK算法的S型协调算法流程 148
6.3.3 KDK*粗框架的程序流程图 148
6.3.4实例验证 148
6.3.1针对KDK算法的R型协调算法流程 148
6.3基于事实与规则的KDK*归纳发现算法 148
6.4 KDD*下的因果关联规则的自动评价算法 151
6.4.1引论 151
6.4.2因果关系自动推理机制与评价知识库的构建 153
6.4.3认证逻辑的分析方法与应用 153
6.4.4 评价算法（评价规则Ai？Si） 154
6.4.5实例运行检验 155
6.4.6与相关工作的比较 155
6.5 KDD*下的知识自动评价系统方法 156
6.5.1客观评价指标（第一层次） 156
6.5.2主观评价指标（第二层次） 157
6.5.4实例说明 159
6.5.3综合评价指标（第三层次） 159
6.5.5小结 160
第7章KDTLM中引发出的新型实用智能系统 162
7.1引论 162
7.2基于知识发现的专家系统（ESKD） 163
7.2.1 引言 163
7.2.2基于知识发现的专家系统（ESKD）总体结构图 164
7.2.3基于知识发现具有双库协同机制的动态知识库系统 166
7.2.4 ESKD的功能特征 168
7.2.5 ESKD的应用示例 168
7.3.1传统智能决策支持系统的系统结构 170
7.3基于信息挖掘的智能决策支持系统（IDSSIM） 170
7.3.2基于信息挖掘的新型智能决策支持系统（IDSSIM） 171
7.4基于信息挖掘的智能预测支持系统（IFSSIM） 173
7.4.1复杂不确定性系统预测 173
7.4.2基于信息挖掘的智能预测支持系统 178
7.5基于知识发现的计算机辅助创新智能系统（CAIISKD） 180
7.5.1发明问题解决理论（TRIZ） 180
7.5.2 TRIZ的发展与计算机辅助创新理论 181
7.5.3基于知识发现的计算机辅助创新智能系统（CAIISKD） 183
第8章基于复杂类型数据的知识发现（信息挖掘） 186
8.1.2 Hilbert空间 187
8.1.1基于复杂类型数据的知识表示方法 187
8.1 总体结构模型DFSSM 187
8.1.3基于复杂类型数据的知识发现系统的总体结构模型（DFSSM） 191
8.2 Web挖掘 194
8.2.1 Web挖掘简介 194
8.2.2 Web文本挖掘 195
8.2.3 Web访问信息挖掘 203
8.3多媒体信息挖掘综述 206
8.4基于气象数据（多媒体信息）的相似模式的挖掘 209
8.4.1引言 209
8.4.2认知过程与知识发现的相似性 211
8.4.3相似模式数据挖掘原理 212
8.4.4相似模式数据挖掘的算法 214
第三篇应用篇 217
第9章 基于KDTLM的知识发现软件系统（ICCKDSS） 218
9.1系统简介 218
9.2数据挖掘子系统（KDD*SS） 219
9.2.1 KDD*SS的主要技术特征 219
9.2.2 KDD*SS功能模块图 220
9.2.3 KDD*SS部分功能模块描述 222
9.2.4 KDD*SS操作流程图 226
9.3.3各功能模块描述 228
9.3.2系统模块 228
9.3.1系统主要技术特征 228
9.3 Web文本挖掘子系统 228
9.4 Web访问信息挖掘子系统 233
9.4.1主要内容 233
9.4.2各功能模块描述 233
9.5智能门户搜索引擎 235
9.5.1系统简介 235
9.5.2系统各功能模块 236
第10章KDTLM与ICCKDSS的几类典型应用 239
10.1农业应用系统的运行实例 239
10.1.2面向施肥的知识发现系统 240
10.1.1知识发现在农业生产规划中的应用 240
10.1.3面向植保的知识发现系统 248
10.2现代远程教育网的信息挖掘实例 255
10.2.1 Web文本挖掘系统 255
10.2.2 Web日志挖掘系统 258
10.2.3智能搜索引擎 259
10.3气象数据处理与信息挖掘实例 262
10.3.1气象数据的处理与相似模式的挖掘 262
10.3.2气象预测模型 268
附录A名词术语缩略语列表 272
参考文献 273