注册 | 登录读书好,好读书,读好书!
读书网-DuShu.com
当前位置: 首页出版图书科学技术计算机/网络数据库数据库理论数据与知识工程导论

数据与知识工程导论

数据与知识工程导论

定 价:¥34.00

作 者: 胡运发编著
出版社: 清华大学出版社
丛编项:
标 签: 数据结构

ISBN: 9787302062400 出版时间: 2003-04-01 包装: 精装
开本: 27cm 页数: 428 字数:  

内容简介

  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。

作者简介

暂缺《数据与知识工程导论》作者简介

图书目录

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                  

本目录推荐