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