数据与知识工程导论

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