數(shù)據(jù)與知識工程導論

第0章  緒言                  
 0. 1  什么是數(shù)據(jù)工程                  
 0. 2  什么是知識工程                  
 0. 3  數(shù)據(jù)知識工程和軟件工程的關系                  
 第1章  數(shù)據(jù)庫工程                  
 1. 1  數(shù)據(jù)                  
 1. 1. 1  現(xiàn)實世界中的數(shù)據(jù)                  
 1. 1. 2  數(shù)據(jù)處理                  
 1. 1. 3  現(xiàn)代數(shù)據(jù)管理的需求                  
 1. 2  元數(shù)據(jù)                  
 1. 2. 1  為什么需要元數(shù)據(jù)                  
 1. 2. 2元數(shù)據(jù)標準                  
 1. 2. 3  元數(shù)據(jù)庫                  
 1. 3數(shù)據(jù)模型                  
 1. 3. 1  概念數(shù)據(jù)模型                  
 1. 3. 2  邏輯數(shù)據(jù)模型                  
 1. 3. 3  從E-R模型向關系模型的轉(zhuǎn)化                  
 1. 3. 4  關系數(shù)據(jù)模型構(gòu)造CASE工具---PowerDesign                  
 1. 4  數(shù)據(jù)規(guī)范                  
 1. 4. 1  非規(guī)范化關系模式帶來的問題                  
 1. 4. 2  數(shù)據(jù)依賴                  
 1. 4. 3  范式                  
 1. 4. 4  關系規(guī)范化                  
 1. 4. 5  關系規(guī)范化在實際中的應用                  
 1. 5  數(shù)據(jù)約束                  
 1. 5. 1  關系的完整性,                   
 1. 5. 2  數(shù)據(jù)庫的完整性                  
 1. 5. 3  表示完整性約束的方法                  
 1. 5. 4  商品化DBMS中的完整性約束                  
 1. 6  數(shù)據(jù)安全                  
 1. 6. 1  常用數(shù)據(jù)庫安全方法                  
 1. 6. 2  商業(yè)DBMS的安全性策略                  
 1. 7  數(shù)據(jù)庫管理                  
 1. 7. 1  DBMS的結(jié)構(gòu).                   
 1. 7. 2  事務管理                  
 1. 7. 3  商業(yè)DBMS產(chǎn)品比較                  
 1. 7. 4  選擇DBMS產(chǎn)品時的考慮                  
 1. 8  數(shù)據(jù)庫應用--OLTP                  
 1. 8. 1  OLTP的體系結(jié)構(gòu)                  
 1. 8. 2  OLTP系統(tǒng)的開發(fā)步驟                  
 1. 8. 3  一個OLTP系統(tǒng)設計實例                  
 第2章  數(shù)據(jù)倉庫工程                  
 2. 1  數(shù)據(jù)倉庫                  
 2. 1. 1  為什么需要數(shù)據(jù)倉庫                  
 2. 1. 2  數(shù)據(jù)倉庫的組成                  
 2. 1. 3  數(shù)據(jù)倉庫的特性                  
 2. 1. 4  商業(yè)化數(shù)據(jù)倉庫解決方案                  
 2. 2  數(shù)據(jù)載入                  
 2. 2. 1  從操作數(shù)據(jù)向數(shù)據(jù)倉庫的移動                  
 2. 2. 2  數(shù)據(jù)倉庫的粒度和元數(shù)據(jù)                  
 2. 2. 3  Oracle數(shù)據(jù)移入工具--SQL*LOADER                  
 2. 3  星型模型                  
 2. 3. 1  構(gòu)建合理的企業(yè)數(shù)據(jù)模型                  
 2. 3. 2  星型模型架構(gòu)                  
 2. 3. 3  星型模型構(gòu)建方法                  
 2. 4  三層設計                  
 2. 4. 1  ODS                  
 2. 4. 2  DB-ODS-DW三層體系結(jié)構(gòu)                  
 2. 4. 3  DB-ODS-DW體系結(jié)構(gòu)應用實例                  
 2. 5  數(shù)據(jù)倉庫安全                  
 2. 5. 1  數(shù)據(jù)倉庫安全策略                  
 2. 5. 2  數(shù)據(jù)訪問安全                  
 2. 5. 3  數(shù)據(jù)安全--數(shù)據(jù)倉庫備份與恢復                  
 2. 6  數(shù)據(jù)倉庫查詢技術(shù)                  
 2. 6. 1  查詢工具的選擇                  
 2. 6. 2  優(yōu)化物理數(shù)據(jù)倉庫來提高查詢效率                  
 2. 6. 3  商業(yè)數(shù)據(jù)倉庫解決方案中的查詢工具                  
 2. 7  數(shù)據(jù)倉庫應用--OLAP                  
 2. 7. 1  第一次親密接觸OLAP                  
 2. 7. 2  MOLAP與ROLAP                  
 2. 7. 3  OLAP工具                  
 第3章  數(shù)據(jù)挖掘                  
 3. 1  基于證據(jù)理論的數(shù)據(jù)挖掘方法                  
 3. 1. 1  證據(jù)理論在表征默認值上的應用                  
 3. 1. 2  基于證據(jù)理論的多分類器集成方法                  
 3. 2  基于神經(jīng)網(wǎng)絡的數(shù)據(jù)挖掘方法                  
 3. 2. 1  神經(jīng)網(wǎng)絡簡介                  
 3. 2. 2  使用BP網(wǎng)絡進行分類                  
 3. 3  基于遺傳算法的數(shù)據(jù)挖掘方法                  
 3. 3. 1  遺傳算法的基本原理                  
 3. 3. 2  基于遺傳算法的廣義規(guī)則挖掘                  
 3. 3. 3  基于遺傳算法的分類規(guī)則挖掘                  
 3. 4  基于粗糙集的數(shù)據(jù)挖掘方法                  
 3. 4. 1  粗糙集在數(shù)據(jù)挖掘中的某個應用                  
 3. 4. 2  基于粗糙集的數(shù)據(jù)挖掘算法                  
 3. 5  其他數(shù)據(jù)挖掘方法                  
 3. 5. 1  決策樹                  
 3. 5. 2  模糊集                  
 3. 5. 3  數(shù)理統(tǒng)計                  
 第4章  基于數(shù)據(jù)(知識)庫的知識發(fā)現(xiàn)                  
 4. 1  KDD基本概念                  
 4. 1. 1  KDD的起源                  
 4. 1. 2  KDD的特點                  
 4. 1. 3  KDD的定義                  
 4. 1. 4  KDD的發(fā)現(xiàn)目標                  
 4. 2  KDD的挖掘模式                  
 4. 2. 1  關聯(lián)模式                  
 4. 2. 2  分類模式                  
 4. 2. 3  聚類模式                  
 4. 2. 4  回歸模式                  
 4. 2. 5  序列模式                  
 4. 3  KDD處理過程模型                  
 4. 3. 1  多處理階段過程模型1                  
 4. 3. 2  多處理階段過程模型2                  
 4. 3. 3  多處理階段過程模型3                  
 4. 4KDD中使用的方法                  
 4. 4. 1  決策樹方法                  
 4. 4. 2  神經(jīng)網(wǎng)絡方法                  
 4. 4. 3  粗集方法                  
 4. 4. 4  遺傳算法                  
 4. 4. 5  統(tǒng)計分析方法                  
 4. 4. 6  覆蓋正例排斥反例法                  
 4. 4. 7  模糊邏輯                  
 4. 4. 8  概念樹方法                  
 4. 4. 9  公式發(fā)現(xiàn)                  
 4. 4. 10  云模型方法                  
 4. 4. 11  可視化技術(shù)                  
 4. 5  KDD應用                  
 4. 5. 1  KDD在保險風險評估中的應用                  
 4. 5. 2  KDD在CRM系統(tǒng)中的應用                  
 4. 5. 3  KDD在電信業(yè)中的應用                  
 4. 5. 4  KDD在股票信息處理中的應用                  
 4. 5. 5  KDD在人事管理中的應用                  
 4. 6  KDD中存在的困難與問題                  
 第5章  知識表示                  
 5. 1  產(chǎn)生式                  
 5. 1. 1  產(chǎn)生式的基本形式                  
 5. 1. 2  產(chǎn)生式系統(tǒng)結(jié)構(gòu)                  
 5. 1. 3  推理步驟及搜索機制                  
 5. 1. 4  產(chǎn)生式系統(tǒng)的特點及不足                  
 5. 2  語義網(wǎng)                  
 5. 2. 1  基本概念                  
 5. 2. 2  使用語義網(wǎng)表示知識                  
 5. 2. 3  基于語義網(wǎng)的推理                  
 5. 2. 4  語義網(wǎng)的特點及不足                  
 5. 3  框架表示法                  
 5. 3. 1  框架的定義                  
 5. 3. 2  框架系統(tǒng)的預定義槽                  
 5. 3. 3  基于框架的推理                  
 5. 3. 4  框架系統(tǒng)的特點與不足                  
 5. 4  基于對象的知識表示方法                  
 5. 4. 1  概述                  
 5. 4. 2  面向?qū)ο蟮母拍詈吞攸c                  
 5. 4. 3  事實性知識的面向?qū)ο蟊磉_                  
 5. 4. 4  規(guī)則和過程性知識的面向?qū)ο蟊磉_                  
 5. 5  邏輯表達                  
 5. 5. 1  命題邏輯知識表達                  
 5. 5. 2  一階謂詞邏輯知識表達                  
 5. 5. 3  非經(jīng)典邏輯知識表達                  
 5. 6  Agent                  
 5. 6. 1  Agent概述                  
 5. 6. 2  Agent分類                  
 5. 6. 3  多Agent系統(tǒng)(MAS)                  
 5. 6. 4  智能主體與專家系統(tǒng)                  
 5. 7  粗集理論                  
 5. 7. 1  粗集理論概述                  
 5. 7. 2  基本概念                  
 5. 7. 3  基于粗集理論的知識表達系統(tǒng)                  
 5. 7. 4  決策表約簡                  
 5. 7. 5  與其他軟計算方式的聯(lián)系                  
 第6章  知識推理                  
 6. 1  謂詞邏輯推理                  
 6. 1. 1  子句集                  
 6. 1. 2  替換與合一                  
 6. 1. 3  歸結(jié)原理                  
 6. 1. 4  歸結(jié)控制策略                  
 6. 2  非單調(diào)推理                  
 6. 2. 1  基本概念                  
 6. 2. 2  非單調(diào)推理與不確定推理及經(jīng)典邏輯                  
 6. 2. 3  非單調(diào)推理的研究方法及問題                  
 6. 2. 4  非單調(diào)推理與關于行動的推理                  
 6. 3  非精確推理                  
 6. 3. 1  主觀Bayes方法                  
 6. 3. 2  確定性理論方法                  
 6. 3. 3  證據(jù)理論方法                  
 6. 4  案例推理                  
 6. 4. 1  案例推理的基本概念                  
 6. 4. 2  案例推理中的關鍵技術(shù)                  
 6. 4. 3  案例推理的應用                  
 6. 5  定性推理                  
 6. 5. 1  定性推理概述                  
 6. 5. 2  基于過程的定性推理方法                  
 6. 5. 3  基于部件模型的定性推理方法                  
 第7章  知識庫管理系統(tǒng)基本功能                  
 7. 1  知識表達的需求和主要框架                  
 7. 1. 1  知識表達的需求                  
 7. 1. 2  謂詞邏輯是知識表達的主要框架                  
 7. 2  邏輯型知識語言                  
 7. 2. 1  Hom邏輯的語法                  
 7. 2. 2  SLD推導                  
 7. 2. 3  一個實際的Hom邏輯系統(tǒng)--PROLOG系統(tǒng)                  
 7. 2. 4  附加的控制機制--CUT                  
 7. 2. 5  否定信息的處理                  
 7. 2. 6  一個邏輯方式表達的例子                  
 7. 3  多種知識表達與推理的實現(xiàn)                  
 7. 3. 1  PROLOG的元級擴充                  
 7. 3. 2  框架表達與推理的實現(xiàn)                  
 7. 3. 3  對象表達方式的實現(xiàn)                  
 7. 4  知識表達模式OOS                  
 7. 5  知識庫系統(tǒng)體系結(jié)構(gòu)                  
 7. 6  知識消化系統(tǒng)                  
 7. 7  元推理和演繹機制                  
 7. 8  知識消化的實現(xiàn)                  
 7. 8. 1  一個例子                  
 7. 8. 2  輸入流的消化                  
 第8章  庫管理系統(tǒng)高級功能                  
 8. 1  知識追蹤                  
 8. 2  推理的解釋                  
 8. 2. 1  求解用戶的目標                  
 8. 2. 2  要求用戶回答問題                  
 8. 2. 3  示意性的專家系統(tǒng)                  
 8. 2. 4  why解釋功能                  
 8. 2. 5  how解釋功能                  
 8. 3  不精確推理                  
 8. 3. 1  不精確推理模型及其性質(zhì)                  
 8. 3. 2  不精確推理的實現(xiàn)                  
 8. 4  信念系統(tǒng)和非單調(diào)推理                  
 8. 4. 1  信念系統(tǒng)幾個典型的例子                  
 8. 4. 2  一致性階恢復                  
 8. 5  知識調(diào)試                  
 8. 5. 1  循環(huán)控制                  
 8. 5. 2  假結(jié)論的診斷                  
 8. 5. 3  發(fā)現(xiàn)丟失解的結(jié)論                  
 8. 6  知識獲取的一種方法--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  知識調(diào)節(jié)與實例                  
 第9章  知識變換與優(yōu)化                  
 9. 1  部分計算一般介紹                  
 9. 1. 1  基本原理                  
 9. 1. 2  實現(xiàn)算法                  
 9. 1. 3  部分計算主要特征                  
 9. 1. 4  循環(huán)問題及其處理                  
 9. 2  元級描述向目標級描述變換方法                  
 9. 3  邏輯程序的源級優(yōu)化                  
 9. 4  源級向抽象機級變換                  
 9. 4. 1  源級或0型抽象機(apm-0)向1型抽象機(apm-1)變換                  
 9. 4. 2  源級或0型抽象機向2型抽象機(apm-2)變換                  
 9. 5  PROLOG元級解釋器的合成方法                  
 9. 5. 1  元級解釋器的建立                  
 9. 5. 2  元級解釋器的合成                  
 第10章  知識工程開發(fā)方法                  
 10. 1  知識工程的開發(fā)過程                  
 10. 1. 1  增量式的開發(fā)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  概念化知識獲取方法                  
 10. 4  路徑尋找問題邏輯設計                  
 10. 4. 1  容器灌水問題                  
 10. 4. 2  農(nóng)夫劃船問題                  
 10. 5  遞歸問題邏輯設計                  
 10. 5. 1  自然數(shù)是遞歸問題                  
 10. 5. 2  項遞歸                  
 10. 6  約束求解問題設計                  
 10. 7  面向智能主體的開發(fā)技術(shù)                  
 10. 7. 1  面向智能主體的軟件開發(fā)                  
 10. 7. 2  AGENTO語言                  
 10. 7. 3  AGENT-O解釋器                  
 10. 7. 4  基于智能主體的軟件工程                  
 第11章  基于知識的系統(tǒng)開發(fā)                  
 11. 1  ECAP規(guī)則系統(tǒng)框架                  
 11. 1. 1  分布式組件技術(shù)與三層體系結(jié)構(gòu)的關系                  
 11. 1. 2  主動規(guī)則--ECA規(guī)則簡介                  
 11. 1. 3  擴展的ECA規(guī)則                  
 11. 1. 4  ECAP規(guī)則語義                  
 11. 1. 5  ECAP規(guī)則語法                  
 11. 1. 6  分層結(jié)構(gòu)模型                  
 11. 1. 7  基于ECAP規(guī)則的分層應用程序的運行機制                  
 11. 2  經(jīng)營過程中的對象行為建模                  
 11. 2. 1  信息系統(tǒng)建模分類及比較                  
 11. 2. 2  CPN概述                  
 11. 2. 3  有色Petri網(wǎng)(CPn)                  
 11. 2. 4  遞階有色Petri網(wǎng)(Hierarchical CPN)                  
 11. 2. 5  HCPN與面向?qū)ο?nbsp;                 
 11. 2. 6  面向?qū)ο蟮腍CPN對企業(yè)行為對象建模                  
 11. 3  基于ECAP和HCPN的圖書信息管理系統(tǒng)設計與建模                  
 11. 3. 1  圖書信息管理系統(tǒng)結(jié)構(gòu)                  
 11. 3. 2  采訪子系統(tǒng)的功能簡介                  
 11. 3. 3  采訪子系統(tǒng)的遞階分層模型                  
 11. 3. 4  圖書采訪的對象模型                  
 11. 3. 5  圖書采訪的行為模型                  
 11. 3. 6  圖書采訪的HCPN模型                  
 11. 3. 7  用ECAP規(guī)則描述采訪過程                  
 11. 4  系統(tǒng)生成和重構(gòu)策略及應用                  
 11. 4. 1  ECAP規(guī)則的生成                  
 11. 4. 2  數(shù)據(jù)端口的定義                  
 11. 4. 3  重構(gòu)策略及應用                  
 11. 4. 4  規(guī)則設計性能方面的優(yōu)化                  
 11. 5  面向CBR(Case-Based Reasoning)的數(shù)據(jù)倉庫相關技術(shù)                  
 11. 5. 1  CBR的基本思想                  
 11. 5. 2  基于事例倉庫的高級事例推理系統(tǒng)                  
 (Advanced Case-Based System on Case Warhouse)                  
 11. 6  ACBR知識獲取算法                  
 11. 6. 1  規(guī)則獲取                  
 11, 6. 2  一個例子                  
 11. 6. 3  消除冗余屬性                  
 11. 6. 4  消除不一致性                  
 11. 6. 5  利用元知識                  
 11. 7  ACBR的問題求解                  
 11. 7. 1  事例倉庫的組織                  
 11. 7. 2  事例倉庫的檢索--啟發(fā)式搜索                  
 11. 7. 3  事例倉庫的管理                  
 11. 7. 4  性能評價                  
 參考文獻