知识工程是利用智能技术(人工智能、计算智能和商务智能)来建造高性能的知识系统,知识工程来源于知识管理中成熟的知识应用和知识创造,知识工程又是知识管理的技术支柱;而计算机进化规律的发掘对提高计算机应用能力和进一步促进计算机进化都有积极意义,它是介于知识工程与知识管理之间的有意义的课题。《知识工程与知识管理(第二版) 》以“原理、实现、应用”的讲述方式,系统地介绍知识工程中的原理和开发技术、知识管理中的理论和实例,以便读者能够从理论和实践两个方面较扎实地掌握知识工程和知识管理,初步达到既掌握知识又能利用书中介绍的实现技术去开发知识系统的目标。
《知识工程与知识管理(第二版) 》适合用作计算机科学与技术专业、信息管理与信息系统专业和系统工程专业的研究生教材,也可为大学本科高年级学生所用,同时《知识工程与知识管理(第二版) 》也可供有关教师和科研技术人员学习参考。
本书以“原理、实现、应用”的讲述方式,较系统的介绍知识工程中的原理和开发技术、知识管理中的理论和实例,以便研究生能够从理论和实践两个方面较扎实掌握知识工程和知识管理,初步达到既掌握知识又能利用书中介绍的实现技术去开发知识系统的目标。
知识工程是利用人工智能、计算智能和商务智能技术来建造高性能的知识系统,是智能技术中的最实用的部分。智能技术重在原理,知识工程重在实践,二者相辅相成。人工智能的特点是符号推理,专家系统是典型代表。计算智能的特点是对仿生物的数学模型进行计算推理,神经网络是典型代表。商务智能的特点是从数据中获取知识,应对商务活动中随机出现的问题,基于数据仓库的决策支持系统是典型代表。
知识管理强调知识的交流和共享,特别是知识创造,可以提高社会中组织或个人的知识水平和解决问题的能力,使其适应随机变化的环境。知识工程与知识管理虽然处于两个不同的层次,但二者也是相辅相成的。知识工程是知识管理的技术支柱。知识工程能够帮助组织(或个人)充分利用计算机中的知识系统来解决实际问题。
当知识管理中的知识应用和知识创造逐步成熟并形式化后,通过数字化就可以成为知识工程的内容。专家系统就是将人类专家利用知识解决实际问题的过程,形式化(知识用规则形式表示)并数字化(计算机中运行)后形成的。神经网络是用数学模型模拟人脑信息传递过程(形式化),在计算机中运行(数字化),完成模式识别的任务。基于数据仓库的决策支持系统,利用了大量数据(包括数据仓库中的详细数据、综合数据、历史数据等),通过多维数据分析和数据挖掘获取知识,达到决策支持的效果。这是人类善于从数据中辅助决策,在计算机应用中的具体体现。知识工程与知识管理相互结合将能增强二者的关系,并能相互促进、共同发展。
本书详细介绍知识工程建造知识系统的具体过程和相关技术,既介绍原理又介绍实现方法和实例。这些开发方法和应用实例,均是作者在科研中的经验总结。
作者长期从事专家系统和决策支持系统及其工具的开发和应用: 研制了专家系统工具TOES和马尾松毛虫防治决策专家系统、决策支持系统工具GFKDDSS、基于客户/服务器的决策支持系统快速开发平台CSDSSP以及全国农业投资空间决策支持系统等。
在数据挖掘的研究中,作者领导的课题组研制的基于信道容量的IBLE方法,比国外的基于信息增益的ID3方法在识别率上高出10个百分点。作者研制的经验公式发现系统FDD,比国外的BACON系统在发现公式上更为广泛。
作者提出的一种适应变化环境的“变换规则”新知识表示形式,扩充了规则知识的应用范围;作者还证明了变换规则的挖掘、推理的定理和变换规则链挖掘的定理,为获取变换规则和变换规则链提供了依据和方法;作者还提出了用变换规则作为一种适应变化环境的元知识表示形式,它更能有效地描述具有变化特点的领域知识。
本书更强调“知识创造”的内容。除了介绍知识创造模型外,还介绍了开源软件,开源软件是知识管理的典范。在互联网上互不相识的人们可以进行知识交流和共享,大家共同协作完善开源软件,这种集体协作创造知识的方式形成了新潮流。开源软件的成功,极大地促进了软件的发展,也是对知识私有的一次巨大冲击。
计算机(包括软件、硬件)和网络虽然是非生物,但在人类的帮助下,计算机在模拟人的能力方面得到了飞速发展。作者针对计算机和网络进化过程进行了研究,发掘了一些进化规律,以便能更清楚地认识计算机和网络的本质,这对于提高我们对计算机的使用效果,以及进一步促进计算机的进化起积极作用。计算机进化规律的发掘是介于知识工程与知识管理之间的有意义的课题,希望能够唤起有兴趣者发掘更多的计算机和网络的进化规律,加速计算机和网络的进化,使计算机和网络更有效地为人类服务。
本书不同于第一版在于: 增加了商务智能技术;突出了知识创造的内容,特别是相关分析的知识创造,这也是大数据时代强调的内容;增加了各章中部分思考题和计算题的答案(附录A和附录B),这些答案是书中各章内容的补充,也是值得探讨的问题。欢迎有兴趣的读者进行交流。
陈文伟 2015年11月
陈文伟,1963年毕业于哈尔滨工业大学计算数学专业,国防科学技术大学博士生导师,海军兵种指挥学院教授,中国人工智能学会机器学习专业委员会荣誉副主任,中国人工智能学会可拓工程专业委员会荣誉副主任;研究方向为人工智能专家系统、决策支持系统、机器学习、数据挖掘、可拓数据挖掘、作战指挥等;出版专著有《智能决策技术》、《数据挖掘技术》、《知识工程与知识管理》等。在《计算机学报》等学术刊物发表学术论文100多篇。
主持重大科研项目有863计划高科技项目,“八五”、“九五”、“十五”国防预研项目,国家自然科学基金项目,中国科学院合作项目等。科研成果有国家科学进步奖二等奖1项,军队科学技术进步奖二、三等奖多项,国家自然科学基金项目被评为优等;指导博士生、硕士生共计78名获得学位;开设博士生、硕士生课程多门,在教学和指导研究生中,获国防科技大学教学优秀奖、优秀研究生导师奖多次,2015年荣获国防科学技术大学资深研究生导师称号。
陈晟,1998年获国防科学技术大学信息处理专业博士学位,2006年获清华大学工商管理硕士学位;先后服务于总装备部、信息产业部和知名IT公司;长期从事软件工程、软件测试、信息化咨询和知识管理等领域的技术和管理工作;在《计算机学报》等刊物发表20余篇学术论文;在专业领域学习和工作实施中,系统地分析和总结_r计算机软、硬件和网络的知识体系,并提出了技术进化的思想。
第1章知识工程与知识管理综述1
1.1知识工程与人工智能1
1.1.1知识工程概念1
1.1.2人工智能概念和发展过程3
1.1.3知识系统的结构和知识工程的基础9
1.2知识工程的核心问题10
1.2.1知识概念与逻辑推理10
1.2.2知识表示与知识推理13
1.2.3知识获取25
1.3知识管理与知识工程27
1.3.1知识管理综述27
1.3.2信息管理与知识管理29
1.3.3知识工程与知识产业31
1.3.4知识工程和知识管理相互促进33
习题136
第2章专家系统及其开发37
2.1专家系统综述37
2.1.1专家系统概念37
2.1.2专家系统结构和原理38
2.1.3专家系统的应用与困难39
2.2产生式规则专家系统41
2.2.1产生式规则知识与推理41
2.2.2不确定性推理45
2.2.3解释机制和事实数据库48
2.2.4产生式规则知识推理简例50
2.3元知识与两级推理52
2.3.1元知识概念52
2.3.2元知识分类53
2.3.3领域知识和元知识的两级推理55
2.3.4元知识的应用55
2.4专家系统的黑板结构56
2.4.1基本原理57
2.4.2HEARSAYⅡ语言识别系统58
2.4.3医疗诊断专家系统60
2.5专家系统开发与实例62
2.5.1专家系统的开发62
2.5.2专家系统工具63
2.5.3单推理树形式的专家系统68
2.5.4多推理树形式的专家系统70
习题275
目录知识工程与知识管理(第二版)第3章决策支持系统与商务智能77
3.1决策支持系统与智能决策支持系统77
3.1.1决策支持系统与商务智能综述77
3.1.2决策资源与决策支持83
3.1.3模型实验与模型组合方案85
3.1.4智能决策支持系统的设计与开发86
3.1.5决策支持系统实例91
3.2网络环境的决策支持系统95
3.2.1网络环境的决策支持系统概述95
3.2.2网络环境的智能决策支持系统96
3.2.3基于客户/服务器的决策支持系统开发平台98
3.2.4基于客户/服务器的决策支持系统实例103
3.3商务智能——基于数据仓库的决策支持系统105
3.3.1商务智能概述105
3.3.2数据仓库与联机分析处理107
3.3.3基于数据仓库的决策支持系统114
3.3.4商务智能实例117
习题3123
第4章计算智能的仿生技术124
4.1神经计算124
4.1.1人工神经网络124
4.1.2反向传播模型BP129
4.1.3反向传播模型实例分析133
4.1.4神经元网络专家系统135
4.2模糊计算141
4.2.1模糊集合及其运算141
4.2.2模糊推理144
4.2.3模糊规则的计算公式145
4.2.4模糊推理方法的比较146
4.3遗传算法147
4.3.1遗传算法原理147
4.3.2优化模型的遗传算法求解151
4.3.3基于遗传算法的分类学习系统153
4.4人工生命158
4.4.1人工生命概述158
4.4.2人工生命的研究内容和方法159
4.4.3人工生命实例160
4.4.4人工生命的实验系统162
习题4163
第5章机器学习与数据挖掘166
5.1机器学习与数据挖掘综述166
5.1.1机器学习概述166
5.1.2机器学习分类168
5.1.3知识发现与数据挖掘综述172
5.1.4数据浓缩与知识表示175
5.2基于信息论的归纳学习方法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基于集合论的归纳学习方法195
5.3.1粗糙集方法196
5.3.2关联规则挖掘205
习题5212
第6章公式发现与变换规则的挖掘213
6.1公式发现213
6.1.1公式发现综述213
6.1.2物理化学定律发现系统BACON215
6.1.3经验公式发现系统FDD220
6.2变换规则的知识挖掘233
6.2.1适应变化环境的变换和变换规则233
6.2.2变换规则知识挖掘的理论基础235
6.2.3变换规则的知识推理237
6.2.4变换规则链的知识挖掘239
6.2.5适应变化环境的变换规则元知识242
习题6245
第7章知识管理与知识创造246
7.1知识经济与知识管理246
7.1.1知识经济与知识管理的形成246
7.1.2知识管理基本原理248
7.1.3知识管理与学习型组织256
7.2知识创造260
7.2.1知识创造模型260
7.2.2知识创造典范——开源软件265
7.3大数据与关联知识270
7.3.1从数据到决策的大数据时代270
7.3.2大数据型科学研究新范式276
7.3.3从关联分析中创造新知识278
7.3.4大数据的决策支持281
习题7281
第8章计算机进化规律的发掘283
8.1计算机软件进化规律的发掘283
8.1.1数值计算的进化283
8.1.2计算机程序的进化287
8.1.3数据存储的进化290
8.1.4知识推理的进化294
8.1.5软件进化规律296
8.2计算机硬件进化规律的发掘300
8.2.1计算机硬件的理论基础300
8.2.2计算机的体系结构303
8.2.3计算机硬件的进化305
8.2.4计算机硬件进化规律310
8.3计算机网络进化规律的发掘311
8.3.1计算机网络的进化311
8.3.2计算机网络的进化规律317
8.4计算机技术发展趋势318
8.4.1计算机软件发展趋势319
8.4.2计算机硬件与网络的发展趋势319
习题8321
附录A部分思考题参考答案322
附录B部分计算题答案334参考文献346第1章知识工程与知识管理综述1
1.1知识工程与人工智能1
1.1.1知识工程概念1
1.1.2人工智能概念和发展过程3
1.1.3知识系统结构和知识工程基础8
1.2知识工程的核心问题9
1.2.1知识概念与逻辑推理9
1.2.2知识表示与知识推理12
1.2.3知识获取24
1.3知识管理与知识工程26
1.3.1知识管理综述26
1.3.2信息管理与知识管理28
1.3.3知识工程与知识产业30
1.3.4知识工程和知识管理相互促进33
习题136
第2章专家系统及其开发37
2.1专家系统综述37
2.1.1专家系统概念37
2.1.2专家系统结构和原理38
2.1.3专家系统的应用与开发的困难39
2.2产生式规则专家系统41
2.2.1产生式规则知识与推理41
2.2.2不确定性推理45
2.2.3解释机制和事实库47
2.2.4产生式规则知识推理简例49
2.3元知识与两级推理51
2.3.1元知识概念 51
2.3.2元知识分类53
2.3.3领域知识和元知识的两级推理54
2.4专家系统的黑板结构56
2.4.1基本原理56
2.4.2HEARSAYⅡ语言识别系统58
2.4.3医疗诊断专家系统60
2.5专家系统开发与实例61
2.5.1专家系统的开发61
2.5.2专家系统工具63
2.5.3单推理树形式的专家系统68
2.5.4多推理树形式的专家系统70
习题274
目录知识工程与知识管理(第二版)第3章决策支持系统及其开发76
3.1决策支持系统与智能决策支持系统76
3.1.1决策支持系统综述76
3.1.2决策资源与决策支持82
3.1.3模型实验与模型组合方案84
3.1.4智能决策支持系统的设计与开发85
3.1.5决策支持系统实例89
3.2基于数据仓库的决策支持系统93
3.2.1数据仓库与联机分析处理93
3.2.2数据仓库的决策支持101
3.2.3基于数据仓库的决策支持系统与商业智能103
3.2.4基于数据仓库的决策支持系统实例105
3.3综合决策支持系统107
3.3.1传统决策支持系统与新决策支持系统的比较107
3.3.2数据仓库与数学模型108
3.3.3综合决策支持系统结构与原理109
3.3.4网络环境的综合决策支持系统体系111
3.3.5网络环境的决策支持系统实例114
习题3118
第4章计算智能的仿生技术119
4.1神经计算119
4.1.1人工神经网络119
4.1.2反向传播模型BP123
4.1.3反向传播模型实例分析128
4.1.4神经网络专家系统130
4.2模糊计算135
4.2.1模糊集合及其运算135
4.2.2模糊推理137
4.2.3模糊规则的计算公式139
4.2.4模糊推理方法的比较140
4.3遗传算法141
4.3.1遗传算法原理141
4.3.2优化模型的遗传算法求解145
4.3.3基于遗传算法的分类学习系统147
4.4人工生命152
4.4.1人工生命概述152
4.4.2人工生命的研究内容和方法153
4.4.3人工生命实例154
4.4.4人工生命的实验系统156
习题4158
第5章机器学习与数据挖掘160
5.1机器学习与数据挖掘综述160
5.1.1机器学习概述160
5.1.2机器学习分类162
5.1.3知识发现与数据挖掘综述165
5.1.4数据浓缩与知识表示169
5.2基于信息论的归纳学习方法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基于集合论的归纳学习方法189
5.3.1AQ11方法189
5.3.2粗糙集方法194
5.3.3关联规则挖掘203
习题5210
第6章公式发现与变换规则的挖掘212
6.1公式发现 212
6.1.1公式发现综述212
6.1.2物理化学定律发现系统BACON214
6.1.3经验公式发现系统FDD218
6.2变换规则的知识挖掘232
6.2.1适应变化环境的变换和变换规则232
6.2.2变换规则的知识挖掘的理论基础234
6.2.3变换规则的知识推理236
6.2.4变换规则链的知识挖掘238
6.2.5适应变化环境的变换规则元知识241
习题6244
第7章知识管理246
7.1知识经济与知识管理246
7.1.1知识经济与知识管理的形成246
7.1.2知识管理基本原理249
7.1.3知识管理实例257
7.2知识管理与学习型组织259
7.2.1学习型组织概念259
7.2.2学习型组织与知识管理的整合261
7.2.3学习型组织实例265
7.3人力资源管理的理论基础267
7.3.1知识管理和人力资源管理267
7.3.2人力资源管理理论268
7.3.3人力资源管理实例274
习题7278
第8章知识创造279
8.1知识创造模型与开源软件279
8.1.1知识创造模型279
8.1.2集体协作创造知识的新潮流——开源软件286
8.2软件进化规律的发掘293
8.2.1数值计算的进化 293
8.2.2计算机程序的进化297
8.2.3数据存储的进化300
8.2.4知识处理的进化302
8.2.5进化规律的发掘304
8.3计算机硬件与网络进化规律的发掘307
8.3.1计算机硬件的理论基础307
8.3.2计算机的体系结构312
8.3.3计算机硬件的进化314
8.3.4硬件进化规律的发掘318
8.3.5计算机网络的进化320
8.3.6计算机技术发展趋势323
习题8325
参考文献327