新一代專家系統(tǒng)開發(fā)技術(shù)及應(yīng)用

第1章 緒論
1.1 專家系統(tǒng)概述
1.1.1 專家系統(tǒng)的定義與結(jié)構(gòu)
1.1.2 專家系統(tǒng)的特點(diǎn)
1.1.3 專家系統(tǒng)的發(fā)展
1.1.4 專家系統(tǒng)的分類
1.2 專家系統(tǒng)的設(shè)計(jì)
1.2.1 專家系統(tǒng)的設(shè)計(jì)要求
1.2.2 專家系統(tǒng)的設(shè)計(jì)原則
1.2.3 專家系統(tǒng)的設(shè)計(jì)步驟
1.2.4 專家系統(tǒng)的開發(fā)方法
1.3 新一代專家系統(tǒng)
1.3.1 新一代專家系統(tǒng)的定義
1.3.2 新一代專家系統(tǒng)的特點(diǎn)
1.4 新一代專家系統(tǒng)的研究
1.4.1 新一代專家系統(tǒng)研究的必要性
1.4.2 新一代專家系統(tǒng)的研究現(xiàn)狀
1.4.2 新一代專家系統(tǒng)的研究意義
1.5 專家系統(tǒng)在網(wǎng)絡(luò)故障管理中的應(yīng)用
1.5.1 網(wǎng)絡(luò)管理的基本概念
1.5.2 網(wǎng)絡(luò)故障管理中引入專家系統(tǒng)的必要性
1.6 本章小結(jié)
參考文獻(xiàn)
第2章 概念圖知識表示
2.1 知識表示
2.2 常用的知識表示方法
2.2.1 狀態(tài)空間表示法
2.2.2 產(chǎn)生式規(guī)則
2.2.3 語義網(wǎng)絡(luò)
2.2.4 框架
2.2.5 劇本
2.3 概念圖
2.3.1 概念圖的基本概念
2.3.2 概念圖的類型理論
2.3.3 概念類型格
2.3.4 正則圖
2.4 模糊概念圖
2.4.1 模糊集合的基本概念
2.4.2 模糊概念圖的定義
2.4.3 模糊類型格
2.5 灰色概念圖
2.5.1 傳統(tǒng)概念圖的局限性
2.5.2 灰色數(shù)學(xué)的基本概念
2.5.3 灰色概念圖的概念
2.5.4 灰色概念圖的統(tǒng)一性
2.5.5 灰色概念圖的應(yīng)用
2.6 擴(kuò)展產(chǎn)生式規(guī)則
2.6.1 EPRs知識表示
2.6.2 EPRs的實(shí)現(xiàn)
2.6.3 EPRs的分析與評價(jià)
2.7 本章小結(jié)
參考文獻(xiàn)
第3章 基于數(shù)據(jù)挖掘技術(shù)的知識獲取
3.1 知識獲取的重要性和任務(wù)
3.2 知識獲取的常用方法
3.3 關(guān)聯(lián)規(guī)則挖掘
3.3.1 關(guān)聯(lián)規(guī)則的基本概念
3.3.2 關(guān)聯(lián)規(guī)則挖掘的經(jīng)典算法
3.4 基于數(shù)據(jù)庫約簡的關(guān)聯(lián)規(guī)則挖掘算法
3.4.1 事務(wù)數(shù)據(jù)庫約簡原理
3.4.2 MARRD算法的設(shè)計(jì)
3.4.3 MARRD算法的性能分析
3.4.4 MARRD算法挖掘結(jié)果的評價(jià)
3.5 基于關(guān)聯(lián)度的關(guān)聯(lián)規(guī)則挖掘算法
3.5.1 基本概念
3.5.2 FFIA算法的設(shè)計(jì)
3.5.3 FFIA算法應(yīng)用舉例
3.5.4 FFIA算法的分析
3.5.5 FFIA算法的評價(jià)
3.6 基于一次性數(shù)據(jù)庫訪問策略的關(guān)聯(lián)規(guī)則挖掘算法
3.6.1 算法設(shè)計(jì)思想
3.6.2 Apriori_ADO算法設(shè)計(jì)
3.6.3 算法復(fù)雜度分析
3.6.4 簡單實(shí)例分析
3.6.5 實(shí)驗(yàn)分析與應(yīng)用
3.7 模糊關(guān)聯(lián)規(guī)則挖掘算法
3.7.1 模糊關(guān)聯(lián)規(guī)則的基本概念
3.7.2 模糊概念的處理
3.7.3 模糊關(guān)聯(lián)規(guī)則挖掘算法MFARR
3.7.4 MFARR算法的評價(jià)
3.8 網(wǎng)絡(luò)故障數(shù)據(jù)庫關(guān)聯(lián)規(guī)則挖掘
3.8.1 數(shù)據(jù)準(zhǔn)備
3.8.2 關(guān)聯(lián)規(guī)則與EPRs規(guī)則的轉(zhuǎn)換
3.9 本章小結(jié)
參考文獻(xiàn)
第4章 概念圖與EPRs的知識推理
4.1 基本概念
4.1.1 知識推理
4.1.2 知識推理的分類
4.1.3 推理的控制策略
4.2 幾種常見的不確定性推理方法
4.2.1 概率推理
4.2.2 主觀Bayes推理
4.2.3 可信度方法
4.3 EPRs規(guī)則的不確定性推理
4.3.1 EPRs的推理機(jī)制
4.3.2 EPRs規(guī)則中不確定性知識的傳播
4.3.3 灰色知識的傳播
4.4 灰色概念圖的匹配推理
4.4.1 區(qū)間灰數(shù)的匹配問題
4.4.2 灰色概念圖的匹配推理
4.5 模糊含權(quán)概念圖的匹配推理
4.5.1 模糊含權(quán)概念圖
4.5.2 概念間主要關(guān)系的表示
4.5.3 模糊含權(quán)概念圖匹配推理
4.6 本章小結(jié)
參考文獻(xiàn)
第5章 基子概念圖的自然語言接口設(shè)計(jì)
5.1 自然語言接口
5.2 自然語言生成
5.2.1 自然語言生成的歷史
5.2.2 自然語言生成系統(tǒng)
5.2.3 自然語言生成的邏輯結(jié)構(gòu)
5.2.4 自然語言生成的視圖
5.2.5 基于概念圖的自然語言生成系統(tǒng)
5.3 自然語言生成的語句優(yōu)化處理
5.4 自然語言生成的語法規(guī)則集
5.5 基于概念圖的自然語言生成
5.5.1 基本概念
5.5.2 APSG句法生成規(guī)則
5.5.3 概念圖中常見的關(guān)系
5.6 基于概念圖的漢語語句生成算法
5.7 循環(huán)概念圖的自然語言生成
5.8 嵌套概念圖的自然語言生成
5.9 自然語言理解
5.9.1 語法規(guī)則集
5.9.2 句法分析技術(shù)
5.9.3 語義分析
5.9.4 結(jié)構(gòu)分析技術(shù)
5.9.5 回溯與并行
5.1 0本章小結(jié)
參考文獻(xiàn)
第6章 網(wǎng)絡(luò)故障診斷專家系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
6.1 網(wǎng)絡(luò)故障診斷專家系統(tǒng)的結(jié)構(gòu)
6.1.1 傳統(tǒng)專家系統(tǒng)存在的問題
6.1.2 網(wǎng)絡(luò)故障診斷專家系統(tǒng)結(jié)構(gòu)模型
6.2 網(wǎng)絡(luò)故障知識的組織
6.2.1 網(wǎng)絡(luò)故障知識的分類
6.2.2 ESFDN中故障診斷知識庫
6.3 ESFDN中漢語語言子集
6.3.1 漢語語言子集中的基本句型
6.3.2 漢語語言子集的語法
6.4 ESFDN專家系統(tǒng)的原型設(shè)計(jì)
6.4.1 數(shù)據(jù)庫的組織
6.4.2 知識獲取
6.4.3 專家系統(tǒng)的設(shè)計(jì)
6.4.4 推理機(jī)和解釋器
6.5 本章小結(jié)
參考文獻(xiàn)
第7章 新一代專家系統(tǒng)研究的總結(jié)與展望
7.1 本書的主要研究工作
7.2 主要研究結(jié)論
7.3 研究展望