知識工程是利用智能技術(人工智能、計算智能和商務智能)來建造高性能的知識系統(tǒng),知識工程來源于知識管理中成熟的知識應用和知識創(chuàng)造,知識工程又是知識管理的技術支柱;而計算機進化規(guī)律的發(fā)掘對提高計算機應用能力和進一步促進計算機進化都有積極意義,它是介于知識工程與知識管理之間的有意義的課題!吨R工程與知識管理(第二版) 》以“原理、實現(xiàn)、應用”的講述方式,系統(tǒng)地介紹知識工程中的原理和開發(fā)技術、知識管理中的理論和實例,以便讀者能夠從理論和實踐兩個方面較扎實地掌握知識工程和知識管理,初步達到既掌握知識又能利用書中介紹的實現(xiàn)技術去開發(fā)知識系統(tǒng)的目標。
《知識工程與知識管理(第二版) 》適合用作計算機科學與技術專業(yè)、信息管理與信息系統(tǒng)專業(yè)和系統(tǒng)工程專業(yè)的研究生教材,也可為大學本科高年級學生所用,同時《知識工程與知識管理(第二版) 》也可供有關教師和科研技術人員學習參考。
本書以“原理、實現(xiàn)、應用”的講述方式,較系統(tǒng)的介紹知識工程中的原理和開發(fā)技術、知識管理中的理論和實例,以便研究生能夠從理論和實踐兩個方面較扎實掌握知識工程和知識管理,初步達到既掌握知識又能利用書中介紹的實現(xiàn)技術去開發(fā)知識系統(tǒng)的目標。
知識工程是利用人工智能、計算智能和商務智能技術來建造高性能的知識系統(tǒng),是智能技術中的最實用的部分。智能技術重在原理,知識工程重在實踐,二者相輔相成。人工智能的特點是符號推理,專家系統(tǒng)是典型代表。計算智能的特點是對仿生物的數(shù)學模型進行計算推理,神經網絡是典型代表。商務智能的特點是從數(shù)據(jù)中獲取知識,應對商務活動中隨機出現(xiàn)的問題,基于數(shù)據(jù)倉庫的決策支持系統(tǒng)是典型代表。
知識管理強調知識的交流和共享,特別是知識創(chuàng)造,可以提高社會中組織或個人的知識水平和解決問題的能力,使其適應隨機變化的環(huán)境。知識工程與知識管理雖然處于兩個不同的層次,但二者也是相輔相成的。知識工程是知識管理的技術支柱。知識工程能夠幫助組織(或個人)充分利用計算機中的知識系統(tǒng)來解決實際問題。
當知識管理中的知識應用和知識創(chuàng)造逐步成熟并形式化后,通過數(shù)字化就可以成為知識工程的內容。專家系統(tǒng)就是將人類專家利用知識解決實際問題的過程,形式化(知識用規(guī)則形式表示)并數(shù)字化(計算機中運行)后形成的。神經網絡是用數(shù)學模型模擬人腦信息傳遞過程(形式化),在計算機中運行(數(shù)字化),完成模式識別的任務。基于數(shù)據(jù)倉庫的決策支持系統(tǒng),利用了大量數(shù)據(jù)(包括數(shù)據(jù)倉庫中的詳細數(shù)據(jù)、綜合數(shù)據(jù)、歷史數(shù)據(jù)等),通過多維數(shù)據(jù)分析和數(shù)據(jù)挖掘獲取知識,達到決策支持的效果。這是人類善于從數(shù)據(jù)中輔助決策,在計算機應用中的具體體現(xiàn)。知識工程與知識管理相互結合將能增強二者的關系,并能相互促進、共同發(fā)展。
本書詳細介紹知識工程建造知識系統(tǒng)的具體過程和相關技術,既介紹原理又介紹實現(xiàn)方法和實例。這些開發(fā)方法和應用實例,均是作者在科研中的經驗總結。
作者長期從事專家系統(tǒng)和決策支持系統(tǒng)及其工具的開發(fā)和應用: 研制了專家系統(tǒng)工具TOES和馬尾松毛蟲防治決策專家系統(tǒng)、決策支持系統(tǒng)工具GFKDDSS、基于客戶/服務器的決策支持系統(tǒng)快速開發(fā)平臺CSDSSP以及全國農業(yè)投資空間決策支持系統(tǒng)等。
在數(shù)據(jù)挖掘的研究中,作者領導的課題組研制的基于信道容量的IBLE方法,比國外的基于信息增益的ID3方法在識別率上高出10個百分點。作者研制的經驗公式發(fā)現(xiàn)系統(tǒng)FDD,比國外的BACON系統(tǒng)在發(fā)現(xiàn)公式上更為廣泛。
作者提出的一種適應變化環(huán)境的“變換規(guī)則”新知識表示形式,擴充了規(guī)則知識的應用范圍;作者還證明了變換規(guī)則的挖掘、推理的定理和變換規(guī)則鏈挖掘的定理,為獲取變換規(guī)則和變換規(guī)則鏈提供了依據(jù)和方法;作者還提出了用變換規(guī)則作為一種適應變化環(huán)境的元知識表示形式,它更能有效地描述具有變化特點的領域知識。
本書更強調“知識創(chuàng)造”的內容。除了介紹知識創(chuàng)造模型外,還介紹了開源軟件,開源軟件是知識管理的典范。在互聯(lián)網上互不相識的人們可以進行知識交流和共享,大家共同協(xié)作完善開源軟件,這種集體協(xié)作創(chuàng)造知識的方式形成了新潮流。開源軟件的成功,極大地促進了軟件的發(fā)展,也是對知識私有的一次巨大沖擊。
計算機(包括軟件、硬件)和網絡雖然是非生物,但在人類的幫助下,計算機在模擬人的能力方面得到了飛速發(fā)展。作者針對計算機和網絡進化過程進行了研究,發(fā)掘了一些進化規(guī)律,以便能更清楚地認識計算機和網絡的本質,這對于提高我們對計算機的使用效果,以及進一步促進計算機的進化起積極作用。計算機進化規(guī)律的發(fā)掘是介于知識工程與知識管理之間的有意義的課題,希望能夠喚起有興趣者發(fā)掘更多的計算機和網絡的進化規(guī)律,加速計算機和網絡的進化,使計算機和網絡更有效地為人類服務。
本書不同于第一版在于: 增加了商務智能技術;突出了知識創(chuàng)造的內容,特別是相關分析的知識創(chuàng)造,這也是大數(shù)據(jù)時代強調的內容;增加了各章中部分思考題和計算題的答案(附錄A和附錄B),這些答案是書中各章內容的補充,也是值得探討的問題。歡迎有興趣的讀者進行交流。
陳文偉 2015年11月
陳文偉,1963年畢業(yè)于哈爾濱工業(yè)大學計算數(shù)學專業(yè),國防科學技術大學博士生導師,海軍兵種指揮學院教授,中國人工智能學會機器學習專業(yè)委員會榮譽副主任,中國人工智能學會可拓工程專業(yè)委員會榮譽副主任;研究方向為人工智能專家系統(tǒng)、決策支持系統(tǒng)、機器學習、數(shù)據(jù)挖掘、可拓數(shù)據(jù)挖掘、作戰(zhàn)指揮等;出版專著有《智能決策技術》、《數(shù)據(jù)挖掘技術》、《知識工程與知識管理》等。在《計算機學報》等學術刊物發(fā)表學術論文100多篇。
主持重大科研項目有863計劃高科技項目,“八五”、“九五”、“十五”國防預研項目,國家自然科學基金項目,中國科學院合作項目等?蒲谐晒袊铱茖W進步獎二等獎1項,軍隊科學技術進步獎二、三等獎多項,國家自然科學基金項目被評為優(yōu)等;指導博士生、碩士生共計78名獲得學位;開設博士生、碩士生課程多門,在教學和指導研究生中,獲國防科技大學教學優(yōu)秀獎、優(yōu)秀研究生導師獎多次,2015年榮獲國防科學技術大學資深研究生導師稱號。
陳晟,1998年獲國防科學技術大學信息處理專業(yè)博士學位,2006年獲清華大學工商管理碩士學位;先后服務于總裝備部、信息產業(yè)部和知名IT公司;長期從事軟件工程、軟件測試、信息化咨詢和知識管理等領域的技術和管理工作;在《計算機學報》等刊物發(fā)表20余篇學術論文;在專業(yè)領域學習和工作實施中,系統(tǒng)地分析和總結_r計算機軟、硬件和網絡的知識體系,并提出了技術進化的思想。
第1章知識工程與知識管理綜述1
1.1知識工程與人工智能1
1.1.1知識工程概念1
1.1.2人工智能概念和發(fā)展過程3
1.1.3知識系統(tǒng)的結構和知識工程的基礎9
1.2知識工程的核心問題10
1.2.1知識概念與邏輯推理10
1.2.2知識表示與知識推理13
1.2.3知識獲取25
1.3知識管理與知識工程27
1.3.1知識管理綜述27
1.3.2信息管理與知識管理29
1.3.3知識工程與知識產業(yè)31
1.3.4知識工程和知識管理相互促進33
習題136
第2章專家系統(tǒng)及其開發(fā)37
2.1專家系統(tǒng)綜述37
2.1.1專家系統(tǒng)概念37
2.1.2專家系統(tǒng)結構和原理38
2.1.3專家系統(tǒng)的應用與困難39
2.2產生式規(guī)則專家系統(tǒng)41
2.2.1產生式規(guī)則知識與推理41
2.2.2不確定性推理45
2.2.3解釋機制和事實數(shù)據(jù)庫48
2.2.4產生式規(guī)則知識推理簡例50
2.3元知識與兩級推理52
2.3.1元知識概念52
2.3.2元知識分類53
2.3.3領域知識和元知識的兩級推理55
2.3.4元知識的應用55
2.4專家系統(tǒng)的黑板結構56
2.4.1基本原理57
2.4.2HEARSAYⅡ語言識別系統(tǒng)58
2.4.3醫(yī)療診斷專家系統(tǒng)60
2.5專家系統(tǒng)開發(fā)與實例62
2.5.1專家系統(tǒng)的開發(fā)62
2.5.2專家系統(tǒng)工具63
2.5.3單推理樹形式的專家系統(tǒng)68
2.5.4多推理樹形式的專家系統(tǒng)70
習題275
目錄知識工程與知識管理(第二版)第3章決策支持系統(tǒng)與商務智能77
3.1決策支持系統(tǒng)與智能決策支持系統(tǒng)77
3.1.1決策支持系統(tǒng)與商務智能綜述77
3.1.2決策資源與決策支持83
3.1.3模型實驗與模型組合方案85
3.1.4智能決策支持系統(tǒng)的設計與開發(fā)86
3.1.5決策支持系統(tǒng)實例91
3.2網絡環(huán)境的決策支持系統(tǒng)95
3.2.1網絡環(huán)境的決策支持系統(tǒng)概述95
3.2.2網絡環(huán)境的智能決策支持系統(tǒng)96
3.2.3基于客戶/服務器的決策支持系統(tǒng)開發(fā)平臺98
3.2.4基于客戶/服務器的決策支持系統(tǒng)實例103
3.3商務智能——基于數(shù)據(jù)倉庫的決策支持系統(tǒng)105
3.3.1商務智能概述105
3.3.2數(shù)據(jù)倉庫與聯(lián)機分析處理107
3.3.3基于數(shù)據(jù)倉庫的決策支持系統(tǒng)114
3.3.4商務智能實例117
習題3123
第4章計算智能的仿生技術124
4.1神經計算124
4.1.1人工神經網絡124
4.1.2反向傳播模型BP129
4.1.3反向傳播模型實例分析133
4.1.4神經元網絡專家系統(tǒng)135
4.2模糊計算141
4.2.1模糊集合及其運算141
4.2.2模糊推理144
4.2.3模糊規(guī)則的計算公式145
4.2.4模糊推理方法的比較146
4.3遺傳算法147
4.3.1遺傳算法原理147
4.3.2優(yōu)化模型的遺傳算法求解151
4.3.3基于遺傳算法的分類學習系統(tǒng)153
4.4人工生命158
4.4.1人工生命概述158
4.4.2人工生命的研究內容和方法159
4.4.3人工生命實例160
4.4.4人工生命的實驗系統(tǒng)162
習題4163
第5章機器學習與數(shù)據(jù)挖掘166
5.1機器學習與數(shù)據(jù)挖掘綜述166
5.1.1機器學習概述166
5.1.2機器學習分類168
5.1.3知識發(fā)現(xiàn)與數(shù)據(jù)挖掘綜述172
5.1.4數(shù)據(jù)濃縮與知識表示175
5.2基于信息論的歸納學習方法180
5.2.1基于互信息的ID3方法180
5.2.2基于信息增益率的C4.5方法185
5.2.3基于信道容量的IBLE方法186
5.3基于集合論的歸納學習方法195
5.3.1粗糙集方法196
5.3.2關聯(lián)規(guī)則挖掘205
習題5212
第6章公式發(fā)現(xiàn)與變換規(guī)則的挖掘213
6.1公式發(fā)現(xiàn)213
6.1.1公式發(fā)現(xiàn)綜述213
6.1.2物理化學定律發(fā)現(xiàn)系統(tǒng)BACON215
6.1.3經驗公式發(fā)現(xiàn)系統(tǒng)FDD220
6.2變換規(guī)則的知識挖掘233
6.2.1適應變化環(huán)境的變換和變換規(guī)則233
6.2.2變換規(guī)則知識挖掘的理論基礎235
6.2.3變換規(guī)則的知識推理237
6.2.4變換規(guī)則鏈的知識挖掘239
6.2.5適應變化環(huán)境的變換規(guī)則元知識242
習題6245
第7章知識管理與知識創(chuàng)造246
7.1知識經濟與知識管理246
7.1.1知識經濟與知識管理的形成246
7.1.2知識管理基本原理248
7.1.3知識管理與學習型組織256
7.2知識創(chuàng)造260
7.2.1知識創(chuàng)造模型260
7.2.2知識創(chuàng)造典范——開源軟件265
7.3大數(shù)據(jù)與關聯(lián)知識270
7.3.1從數(shù)據(jù)到決策的大數(shù)據(jù)時代270
7.3.2大數(shù)據(jù)型科學研究新范式276
7.3.3從關聯(lián)分析中創(chuàng)造新知識278
7.3.4大數(shù)據(jù)的決策支持281
習題7281
第8章計算機進化規(guī)律的發(fā)掘283
8.1計算機軟件進化規(guī)律的發(fā)掘283
8.1.1數(shù)值計算的進化283
8.1.2計算機程序的進化287
8.1.3數(shù)據(jù)存儲的進化290
8.1.4知識推理的進化294
8.1.5軟件進化規(guī)律296
8.2計算機硬件進化規(guī)律的發(fā)掘300
8.2.1計算機硬件的理論基礎300
8.2.2計算機的體系結構303
8.2.3計算機硬件的進化305
8.2.4計算機硬件進化規(guī)律310
8.3計算機網絡進化規(guī)律的發(fā)掘311
8.3.1計算機網絡的進化311
8.3.2計算機網絡的進化規(guī)律317
8.4計算機技術發(fā)展趨勢318
8.4.1計算機軟件發(fā)展趨勢319
8.4.2計算機硬件與網絡的發(fā)展趨勢319
習題8321
附錄A部分思考題參考答案322
附錄B部分計算題答案334參考文獻346第1章知識工程與知識管理綜述1
1.1知識工程與人工智能1
1.1.1知識工程概念1
1.1.2人工智能概念和發(fā)展過程3
1.1.3知識系統(tǒng)結構和知識工程基礎8
1.2知識工程的核心問題9
1.2.1知識概念與邏輯推理9
1.2.2知識表示與知識推理12
1.2.3知識獲取24
1.3知識管理與知識工程26
1.3.1知識管理綜述26
1.3.2信息管理與知識管理28
1.3.3知識工程與知識產業(yè)30
1.3.4知識工程和知識管理相互促進33
習題136
第2章專家系統(tǒng)及其開發(fā)37
2.1專家系統(tǒng)綜述37
2.1.1專家系統(tǒng)概念37
2.1.2專家系統(tǒng)結構和原理38
2.1.3專家系統(tǒng)的應用與開發(fā)的困難39
2.2產生式規(guī)則專家系統(tǒng)41
2.2.1產生式規(guī)則知識與推理41
2.2.2不確定性推理45
2.2.3解釋機制和事實庫47
2.2.4產生式規(guī)則知識推理簡例49
2.3元知識與兩級推理51
2.3.1元知識概念 51
2.3.2元知識分類53
2.3.3領域知識和元知識的兩級推理54
2.4專家系統(tǒng)的黑板結構56
2.4.1基本原理56
2.4.2HEARSAYⅡ語言識別系統(tǒng)58
2.4.3醫(yī)療診斷專家系統(tǒng)60
2.5專家系統(tǒng)開發(fā)與實例61
2.5.1專家系統(tǒng)的開發(fā)61
2.5.2專家系統(tǒng)工具63
2.5.3單推理樹形式的專家系統(tǒng)68
2.5.4多推理樹形式的專家系統(tǒng)70
習題274
目錄知識工程與知識管理(第二版)第3章決策支持系統(tǒng)及其開發(fā)76
3.1決策支持系統(tǒng)與智能決策支持系統(tǒng)76
3.1.1決策支持系統(tǒng)綜述76
3.1.2決策資源與決策支持82
3.1.3模型實驗與模型組合方案84
3.1.4智能決策支持系統(tǒng)的設計與開發(fā)85
3.1.5決策支持系統(tǒng)實例89
3.2基于數(shù)據(jù)倉庫的決策支持系統(tǒng)93
3.2.1數(shù)據(jù)倉庫與聯(lián)機分析處理93
3.2.2數(shù)據(jù)倉庫的決策支持101
3.2.3基于數(shù)據(jù)倉庫的決策支持系統(tǒng)與商業(yè)智能103
3.2.4基于數(shù)據(jù)倉庫的決策支持系統(tǒng)實例105
3.3綜合決策支持系統(tǒng)107
3.3.1傳統(tǒng)決策支持系統(tǒng)與新決策支持系統(tǒng)的比較107
3.3.2數(shù)據(jù)倉庫與數(shù)學模型108
3.3.3綜合決策支持系統(tǒng)結構與原理109
3.3.4網絡環(huán)境的綜合決策支持系統(tǒng)體系111
3.3.5網絡環(huán)境的決策支持系統(tǒng)實例114
習題3118
第4章計算智能的仿生技術119
4.1神經計算119
4.1.1人工神經網絡119
4.1.2反向傳播模型BP123
4.1.3反向傳播模型實例分析128
4.1.4神經網絡專家系統(tǒng)130
4.2模糊計算135
4.2.1模糊集合及其運算135
4.2.2模糊推理137
4.2.3模糊規(guī)則的計算公式139
4.2.4模糊推理方法的比較140
4.3遺傳算法141
4.3.1遺傳算法原理141
4.3.2優(yōu)化模型的遺傳算法求解145
4.3.3基于遺傳算法的分類學習系統(tǒng)147
4.4人工生命152
4.4.1人工生命概述152
4.4.2人工生命的研究內容和方法153
4.4.3人工生命實例154
4.4.4人工生命的實驗系統(tǒng)156
習題4158
第5章機器學習與數(shù)據(jù)挖掘160
5.1機器學習與數(shù)據(jù)挖掘綜述160
5.1.1機器學習概述160
5.1.2機器學習分類162
5.1.3知識發(fā)現(xiàn)與數(shù)據(jù)挖掘綜述165
5.1.4數(shù)據(jù)濃縮與知識表示169
5.2基于信息論的歸納學習方法173
5.2.1基于互信息的ID3方法174
5.2.2基于互信息的C4.5方法178
5.2.3基于信道容量的IBLE方法179
5.3基于集合論的歸納學習方法189
5.3.1AQ11方法189
5.3.2粗糙集方法194
5.3.3關聯(lián)規(guī)則挖掘203
習題5210
第6章公式發(fā)現(xiàn)與變換規(guī)則的挖掘212
6.1公式發(fā)現(xiàn) 212
6.1.1公式發(fā)現(xiàn)綜述212
6.1.2物理化學定律發(fā)現(xiàn)系統(tǒng)BACON214
6.1.3經驗公式發(fā)現(xiàn)系統(tǒng)FDD218
6.2變換規(guī)則的知識挖掘232
6.2.1適應變化環(huán)境的變換和變換規(guī)則232
6.2.2變換規(guī)則的知識挖掘的理論基礎234
6.2.3變換規(guī)則的知識推理236
6.2.4變換規(guī)則鏈的知識挖掘238
6.2.5適應變化環(huán)境的變換規(guī)則元知識241
習題6244
第7章知識管理246
7.1知識經濟與知識管理246
7.1.1知識經濟與知識管理的形成246
7.1.2知識管理基本原理249
7.1.3知識管理實例257
7.2知識管理與學習型組織259
7.2.1學習型組織概念259
7.2.2學習型組織與知識管理的整合261
7.2.3學習型組織實例265
7.3人力資源管理的理論基礎267
7.3.1知識管理和人力資源管理267
7.3.2人力資源管理理論268
7.3.3人力資源管理實例274
習題7278
第8章知識創(chuàng)造279
8.1知識創(chuàng)造模型與開源軟件279
8.1.1知識創(chuàng)造模型279
8.1.2集體協(xié)作創(chuàng)造知識的新潮流——開源軟件286
8.2軟件進化規(guī)律的發(fā)掘293
8.2.1數(shù)值計算的進化 293
8.2.2計算機程序的進化297
8.2.3數(shù)據(jù)存儲的進化300
8.2.4知識處理的進化302
8.2.5進化規(guī)律的發(fā)掘304
8.3計算機硬件與網絡進化規(guī)律的發(fā)掘307
8.3.1計算機硬件的理論基礎307
8.3.2計算機的體系結構312
8.3.3計算機硬件的進化314
8.3.4硬件進化規(guī)律的發(fā)掘318
8.3.5計算機網絡的進化320
8.3.6計算機技術發(fā)展趨勢323
習題8325
參考文獻327