数据与知识工程导论

作者：胡运发编著

出版社：清华大学出版社

出版时间：2003-04-01

ISBN：9787302062400

定价：¥34.00

　　内容简介本书全面介绍了数据、信息和知识共享的理论、方法和技术。第1～3章介绍了数据工程，包括数据表示、数据模型、数据设计、数据分析和数据挖掘等理论和方法。第4～7章介绍了知识工程，包括知识表达、知识推理、知识管理、知识获取、知识利用等理论和方法。数据工程为知识工程提供重要的支持手段，为知识获取提供了无尽的源泉；反过来，知识工程也为数据工程提供了更加智能化的提取信息的手段。软件工程可以也应该从数据工程和知识工程独特的理论、方法和技术中获取有益的借鉴。本书可作为计算机科学、信息科学、管理科学及人工智能等学科的大专院校师生、社会各界信息化管理人员、工程技术人员的教科书或参考书。

暂缺《数据与知识工程导论》作者简介

第0章  绪言
0. 1  什么是数据工程
0. 2  什么是知识工程
0. 3  数据知识工程和软件工程的关系
第1章  数据库工程
1. 1  数据
1. 1. 1  现实世界中的数据
1. 1. 2  数据处理
1. 1. 3  现代数据管理的需求
1. 2  元数据
1. 2. 1  为什么需要元数据
1. 2. 2元数据标准
1. 2. 3  元数据库
1. 3数据模型
1. 3. 1  概念数据模型
1. 3. 2  逻辑数据模型
1. 3. 3  从E-R模型向关系模型的转化
1. 3. 4  关系数据模型构造CASE工具---PowerDesign
1. 4  数据规范
1. 4. 1  非规范化关系模式带来的问题
1. 4. 2  数据依赖
1. 4. 3  范式
1. 4. 4  关系规范化
1. 4. 5  关系规范化在实际中的应用
1. 5  数据约束
1. 5. 1  关系的完整性,
1. 5. 2  数据库的完整性
1. 5. 3  表示完整性约束的方法
1. 5. 4  商品化DBMS中的完整性约束
1. 6  数据安全
1. 6. 1  常用数据库安全方法
1. 6. 2  商业DBMS的安全性策略
1. 7  数据库管理
1. 7. 1  DBMS的结构.
1. 7. 2  事务管理
1. 7. 3  商业DBMS产品比较
1. 7. 4  选择DBMS产品时的考虑
1. 8  数据库应用--OLTP
1. 8. 1  OLTP的体系结构
1. 8. 2  OLTP系统的开发步骤
1. 8. 3  一个OLTP系统设计实例
第2章  数据仓库工程
2. 1  数据仓库
2. 1. 1  为什么需要数据仓库
2. 1. 2  数据仓库的组成
2. 1. 3  数据仓库的特性
2. 1. 4  商业化数据仓库解决方案
2. 2  数据载入
2. 2. 1  从操作数据向数据仓库的移动
2. 2. 2  数据仓库的粒度和元数据
2. 2. 3  Oracle数据移入工具--SQL*LOADER
2. 3  星型模型
2. 3. 1  构建合理的企业数据模型
2. 3. 2  星型模型架构
2. 3. 3  星型模型构建方法
2. 4  三层设计
2. 4. 1  ODS
2. 4. 2  DB-ODS-DW三层体系结构
2. 4. 3  DB-ODS-DW体系结构应用实例
2. 5  数据仓库安全
2. 5. 1  数据仓库安全策略
2. 5. 2  数据访问安全
2. 5. 3  数据安全--数据仓库备份与恢复
2. 6  数据仓库查询技术
2. 6. 1  查询工具的选择
2. 6. 2  优化物理数据仓库来提高查询效率
2. 6. 3  商业数据仓库解决方案中的查询工具
2. 7  数据仓库应用--OLAP
2. 7. 1  第一次亲密接触OLAP
2. 7. 2  MOLAP与ROLAP
2. 7. 3  OLAP工具
第3章  数据挖掘
3. 1  基于证据理论的数据挖掘方法
3. 1. 1  证据理论在表征默认值上的应用
3. 1. 2  基于证据理论的多分类器集成方法
3. 2  基于神经网络的数据挖掘方法
3. 2. 1  神经网络简介
3. 2. 2  使用BP网络进行分类
3. 3  基于遗传算法的数据挖掘方法
3. 3. 1  遗传算法的基本原理
3. 3. 2  基于遗传算法的广义规则挖掘
3. 3. 3  基于遗传算法的分类规则挖掘
3. 4  基于粗糙集的数据挖掘方法
3. 4. 1  粗糙集在数据挖掘中的某个应用
3. 4. 2  基于粗糙集的数据挖掘算法
3. 5  其他数据挖掘方法
3. 5. 1  决策树
3. 5. 2  模糊集
3. 5. 3  数理统计
第4章  基于数据(知识)库的知识发现
4. 1  KDD基本概念
4. 1. 1  KDD的起源
4. 1. 2  KDD的特点
4. 1. 3  KDD的定义
4. 1. 4  KDD的发现目标
4. 2  KDD的挖掘模式
4. 2. 1  关联模式
4. 2. 2  分类模式
4. 2. 3  聚类模式
4. 2. 4  回归模式
4. 2. 5  序列模式
4. 3  KDD处理过程模型
4. 3. 1  多处理阶段过程模型1
4. 3. 2  多处理阶段过程模型2
4. 3. 3  多处理阶段过程模型3
4. 4KDD中使用的方法
4. 4. 1  决策树方法
4. 4. 2  神经网络方法
4. 4. 3  粗集方法
4. 4. 4  遗传算法
4. 4. 5  统计分析方法
4. 4. 6  覆盖正例排斥反例法
4. 4. 7  模糊逻辑
4. 4. 8  概念树方法
4. 4. 9  公式发现
4. 4. 10  云模型方法
4. 4. 11  可视化技术
4. 5  KDD应用
4. 5. 1  KDD在保险风险评估中的应用
4. 5. 2  KDD在CRM系统中的应用
4. 5. 3  KDD在电信业中的应用
4. 5. 4  KDD在股票信息处理中的应用
4. 5. 5  KDD在人事管理中的应用
4. 6  KDD中存在的困难与问题
第5章  知识表示
5. 1  产生式
5. 1. 1  产生式的基本形式
5. 1. 2  产生式系统结构
5. 1. 3  推理步骤及搜索机制
5. 1. 4  产生式系统的特点及不足
5. 2  语义网
5. 2. 1  基本概念
5. 2. 2  使用语义网表示知识
5. 2. 3  基于语义网的推理
5. 2. 4  语义网的特点及不足
5. 3  框架表示法
5. 3. 1  框架的定义
5. 3. 2  框架系统的预定义槽
5. 3. 3  基于框架的推理
5. 3. 4  框架系统的特点与不足
5. 4  基于对象的知识表示方法
5. 4. 1  概述
5. 4. 2  面向对象的概念和特点
5. 4. 3  事实性知识的面向对象表达
5. 4. 4  规则和过程性知识的面向对象表达
5. 5  逻辑表达
5. 5. 1  命题逻辑知识表达
5. 5. 2  一阶谓词逻辑知识表达
5. 5. 3  非经典逻辑知识表达
5. 6  Agent
5. 6. 1  Agent概述
5. 6. 2  Agent分类
5. 6. 3  多Agent系统(MAS)
5. 6. 4  智能主体与专家系统
5. 7  粗集理论
5. 7. 1  粗集理论概述
5. 7. 2  基本概念
5. 7. 3  基于粗集理论的知识表达系统
5. 7. 4  决策表约简
5. 7. 5  与其他软计算方式的联系
第6章  知识推理
6. 1  谓词逻辑推理
6. 1. 1  子句集
6. 1. 2  替换与合一
6. 1. 3  归结原理
6. 1. 4  归结控制策略
6. 2  非单调推理
6. 2. 1  基本概念
6. 2. 2  非单调推理与不确定推理及经典逻辑
6. 2. 3  非单调推理的研究方法及问题
6. 2. 4  非单调推理与关于行动的推理
6. 3  非精确推理
6. 3. 1  主观Bayes方法
6. 3. 2  确定性理论方法
6. 3. 3  证据理论方法
6. 4  案例推理
6. 4. 1  案例推理的基本概念
6. 4. 2  案例推理中的关键技术
6. 4. 3  案例推理的应用
6. 5  定性推理
6. 5. 1  定性推理概述
6. 5. 2  基于过程的定性推理方法
6. 5. 3  基于部件模型的定性推理方法
第7章  知识库管理系统基本功能
7. 1  知识表达的需求和主要框架
7. 1. 1  知识表达的需求
7. 1. 2  谓词逻辑是知识表达的主要框架
7. 2  逻辑型知识语言
7. 2. 1  Hom逻辑的语法
7. 2. 2  SLD推导
7. 2. 3  一个实际的Hom逻辑系统--PROLOG系统
7. 2. 4  附加的控制机制--CUT
7. 2. 5  否定信息的处理
7. 2. 6  一个逻辑方式表达的例子
7. 3  多种知识表达与推理的实现
7. 3. 1  PROLOG的元级扩充
7. 3. 2  框架表达与推理的实现
7. 3. 3  对象表达方式的实现
7. 4  知识表达模式OOS
7. 5  知识库系统体系结构
7. 6  知识消化系统
7. 7  元推理和演绎机制
7. 8  知识消化的实现
7. 8. 1  一个例子
7. 8. 2  输入流的消化
第8章  库管理系统高级功能
8. 1  知识追踪
8. 2  推理的解释
8. 2. 1  求解用户的目标
8. 2. 2  要求用户回答问题
8. 2. 3  示意性的专家系统
8. 2. 4  why解释功能
8. 2. 5  how解释功能
8. 3  不精确推理
8. 3. 1  不精确推理模型及其性质
8. 3. 2  不精确推理的实现
8. 4  信念系统和非单调推理
8. 4. 1  信念系统几个典型的例子
8. 4. 2  一致性阶恢复
8. 5  知识调试
8. 5. 1  循环控制
8. 5. 2  假结论的诊断
8. 5. 3  发现丢失解的结论
8. 6  知识获取的一种方法--模型推理方法
8. 6. 1  求精操作
8. 6. 2  模型推理算法
8. 6. 3  知识调节与实例
第9章  知识变换与优化
9. 1  部分计算一般介绍
9. 1. 1  基本原理
9. 1. 2  实现算法
9. 1. 3  部分计算主要特征
9. 1. 4  循环问题及其处理
9. 2  元级描述向目标级描述变换方法
9. 3  逻辑程序的源级优化
9. 4  源级向抽象机级变换
9. 4. 1  源级或0型抽象机(apm-0)向1型抽象机(apm-1)变换
9. 4. 2  源级或0型抽象机向2型抽象机(apm-2)变换
9. 5  PROLOG元级解释器的合成方法
9. 5. 1  元级解释器的建立
9. 5. 2  元级解释器的合成
第10章  知识工程开发方法
10. 1  知识工程的开发过程
10. 1. 1  增量式的开发方法
10. 1. 2  螺旋形模型
10. 2  快速原型法(prototyping)
10. 2. 1  原型法的一般原理
10. 2. 2  原型法的基本要求
10. 3  概念化知识获取方法
10. 4  路径寻找问题逻辑设计
10. 4. 1  容器灌水问题
10. 4. 2  农夫划船问题
10. 5  递归问题逻辑设计
10. 5. 1  自然数是递归问题
10. 5. 2  项递归
10. 6  约束求解问题设计
10. 7  面向智能主体的开发技术
10. 7. 1  面向智能主体的软件开发
10. 7. 2  AGENTO语言
10. 7. 3  AGENT-O解释器
10. 7. 4  基于智能主体的软件工程
第11章  基于知识的系统开发
11. 1  ECAP规则系统框架
11. 1. 1  分布式组件技术与三层体系结构的关系
11. 1. 2  主动规则--ECA规则简介
11. 1. 3  扩展的ECA规则
11. 1. 4  ECAP规则语义
11. 1. 5  ECAP规则语法
11. 1. 6  分层结构模型
11. 1. 7  基于ECAP规则的分层应用程序的运行机制
11. 2  经营过程中的对象行为建模
11. 2. 1  信息系统建模分类及比较
11. 2. 2  CPN概述
11. 2. 3  有色Petri网(CPn)
11. 2. 4  递阶有色Petri网(Hierarchical CPN)
11. 2. 5  HCPN与面向对象
11. 2. 6  面向对象的HCPN对企业行为对象建模
11. 3  基于ECAP和HCPN的图书信息管理系统设计与建模
11. 3. 1  图书信息管理系统结构
11. 3. 2  采访子系统的功能简介
11. 3. 3  采访子系统的递阶分层模型
11. 3. 4  图书采访的对象模型
11. 3. 5  图书采访的行为模型
11. 3. 6  图书采访的HCPN模型
11. 3. 7  用ECAP规则描述采访过程
11. 4  系统生成和重构策略及应用
11. 4. 1  ECAP规则的生成
11. 4. 2  数据端口的定义
11. 4. 3  重构策略及应用
11. 4. 4  规则设计性能方面的优化
11. 5  面向CBR(Case-Based Reasoning)的数据仓库相关技术
11. 5. 1  CBR的基本思想
11. 5. 2  基于事例仓库的高级事例推理系统
(Advanced Case-Based System on Case Warhouse)
11. 6  ACBR知识获取算法
11. 6. 1  规则获取
11, 6. 2  一个例子
11. 6. 3  消除冗余属性
11. 6. 4  消除不一致性
11. 6. 5  利用元知识
11. 7  ACBR的问题求解
11. 7. 1  事例仓库的组织
11. 7. 2  事例仓库的检索--启发式搜索
11. 7. 3  事例仓库的管理
11. 7. 4  性能评价
参考文献