数据与知识工程导论2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

数据与知识工程导论PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第0章 绪言1

0.1 什么是数据工程2

0.2 什么是知识工程3

0.3 数据知识工程和软件工程的关系5

第1章 数据库工程8

1.1 数据8

1.1.1 现实世界中的数据9

1.1.2 数据处理9

1.1.3 现代数据管理的需求11

1.2.1 为什么需要元数据12

1.2 元数据12

1.2.2 元数据标准14

1.2.3 元数据库16

1.3 数据模型16

1.3.1 概念数据模型16

1.3.2 逻辑数据模型19

1.3.3 从E-R模型向关系模型的转化20

1.3.4 关系数据模型构造CASE工具——PowerDesign21

1.4.1 非规范化关系模式带来的问题22

1.4 数据规范22

1.4.2 数据依赖23

1.4.3 范式24

1.4.4 关系规范化26

1.4.5 关系规范化在实际中的应用28

1.5 数据约束29

1.5.1 关系的完整性29

1.5.2 数据库的完整性30

1.5.3 表示完整性约束的方法31

1.5.4 商品化DBMS中的完整性约束32

1.6 数据安全36

1.6.1 常用数据库安全方法36

1.6.2 商业DBMS的安全性策略39

1.7 数据库管理41

1.7.1 DBMS的结构41

1.7.2 事务管理43

1.7.3 商业DBMS产品比较46

1.7.4 选择DBMS产品时的考虑49

1.8 数据库应用——OLTP50

1.8.1 OLTP的体系结构51

1.8.2 OLTP系统的开发步骤53

1.8.3 一个OLTP系统设计实例55

第2章 数据仓库工程58

2.1 数据仓库58

2.1.1 为什么需要数据仓库59

2.1.2 数据仓库的组成60

2.1.3 数据仓库的特性61

2.1.4 商业化数据仓库解决方案63

2.2 数据载入66

2.2.1 从操作数据向数据仓库的移动66

2.2.2 数据仓库的粒度和元数据70

2.2.3 Oracle数据移入工具——SQL？LOADER72

2.3 星型模型74

2.3.1 构建合理的企业数据模型74

2.3.2 星型模型架构76

2.3.3 星型模型构建方法79

2.4 三层设计80

2.4.1 ODS81

2.4.2 DB-ODS-DW三层体系结构83

2.4.3 DB-ODS-DW体系结构应用实例84

2.5 数据仓库安全86

2.5.1 数据仓库安全策略86

2.5.2 数据访问安全87

2.5.3 数据安全——数据仓库备份与恢复88

2.6 数据仓库查询技术90

2.6.1 查询工具的选择90

2.6.2 优化物理数据仓库来提高查询效率91

2.6.3 商业数据仓库解决方案中的查询工具93

2.7 数据仓库应用——OLAP95

2.7.1 第一次亲密接触OLAP95

2.7.2 MOLAP与ROLAP98

2.7.3 OLAP工具99

第3章 数据挖掘101

3.1 基于证据理论的数据挖掘方法101

3.1.1 证据理论在表征默认值上的应用102

3.1.2 基于证据理论的多分类器集成方法103

3.2.1 神经网络简介106

3.2 基于神经网络的数据挖掘方法106

3.2.2 使用BP网络进行分类107

3.3 基于遗传算法的数据挖掘方法109

3.3.1 遗传算法的基本原理110

3.3.2 基于遗传算法的广义规则挖掘111

3.3.3 基于遗传算法的分类规则挖掘113

3.4 基于粗糙集的数据挖掘方法116

3.4.1 粗糙集在数据挖掘中的某个应用116

3.4.2 基于粗糙集的数据挖掘算法117

3.5.1 决策树119

3.5 其他数据挖掘方法119

3.5.2 模糊集121

3.5.3 数理统计121

第4章 基于数据(知识)库的知识发现123

4.1 KDD基本概念123

4.1.1 KDD的起源123

4.1.2 KDD的特点124

4.1.3 KDD的定义125

4.1.4 KDD的发现目标126

4.2 KDD的挖掘模式127

4.2.1 关联模式127

4.2.2 分类模式128

4.2.3 聚类模式128

4.2.4 回归模式128

4.2.5 序列模式129

4.3 KDD处理过程模型130

4.3.1 多处理阶段过程模型1130

4.3.2 多处理阶段过程模型2133

4.3.3 多处理阶段过程模型3134

4.4 KDD中使用的方法135

4.4.1 决策树方法135

4.4.2 神经网络方法136

4.4.3 粗集方法137

4.4.4 遗传算法138

4.4.5 统计分析方法139

4.4.6 覆盖正例排斥反例法139

4.4.10 云模型方法140

4.4.9 公式发现140

4.4.8 概念树方法140

4.4.7 模糊逻辑140

4.4.11 可视化技术141

4.5 KDD应用141

4.5.1 KDD在保险风险评估中的应用142

4.5.2 KDD在CRM系统中的应用144

4.5.3 KDD在电信业中的应用145

4.5.4 KDD在股票信息处理中的应用146

4.5.5 KDD在人事管理中的应用148

4.6 KDD中存在的困难与问题150

第5章 知识表示152

5.1 产生式152

5.1.1 产生式的基本形式152

5.1.2 产生式系统结构153

5.1.3 推理步骤及搜索机制155

5.1.4 产生式系统的特点及不足156

5.2 语义网157

5.2.1 基本概念157

5.2.2 使用语义网表示知识159

5.2.3 基于语义网的推理162

5.2.4 语义网的特点及不足163

5.3 框架表示法164

5.3.1 框架的定义164

5.3.2 框架系统的预定义槽167

5.3.3 基于框架的推理168

5.3.4 框架系统的特点与不足169

5.4.1 概述170

5.4.2 面向对象的概念和特点170

5.4 基于对象的知识表示方法170

5.4.3 事实性知识的面向对象表达172

5.4.4 规则和过程性知识的面向对象表达176

5.5 逻辑表达178

5.5.1 命题逻辑知识表达178

5.5.2 一阶谓词逻辑知识表达179

5.5.3 非经典逻辑知识表达183

5.6 Agent185

5.6.1 Agent概述185

5.6.2 Agent分类186

5.6.3 多Agent系统(MAS)190

5.6.4 智能主体与专家系统193

5.7 粗集理论194

5.7.1 粗集理论概述194

5.7.2 基本概念195

5.7.3 基于粗集理论的知识表达系统197

5.7.4 决策表约简197

5.7.5 与其他软计算方式的联系203

6.1.1 子句集204

6.1 谓词逻辑推理204

第6章 知识推理204

6.1.2 替换与合一206

6.1.3 归结原理209

6.1.4 归结控制策略212

6.2 非单调推理214

6.2.1 基本概念214

6.2.2 非单调推理与不确定推理及经典逻辑215

6.2.3 非单调推理的研究方法及问题216

6.3 非精确推理218

6.2.4 非单调推理与关于行动的推理218

6.3.1 主观Bayes方法219

6.3.2 确定性理论方法223

6.3.3 证据理论方法225

6.4 案例推理229

6.4.1 案例推理的基本概念229

6.4.2 案例推理中的关键技术230

6.4.3 案例推理的应用231

6.5.1 定性推理概述234

6.5 定性推理234

6.5.2 基于过程的定性推理方法235

6.5.3 基于部件模型的定性推理方法239

第7章 知识库管理系统基本功能243

7.1 知识表达的需求和主要框架243

7.1.1 知识表达的需求243

7.1.2 谓词逻辑是知识表达的主要框架245

7.2 逻辑型知识语言245

7.2.1 Hom逻辑的语法245

7.2.2 SLD推导247

7.2.3 一个实际的Hom逻辑系统——PROLOG系统250

7.2.4 附加的控制机制——CUT254

7.2.5 否定信息的处理255

7.2.6 一个逻辑方式表达的例子256

7.3 多种知识表达与推理的实现257

7.3.1 PROLOG的元级扩充257

7.3.2 框架表达与推理的实现259

7.3.3 对象表达方式的实现261

7.4 知识表达模式OOS262

7.5 知识库系统体系结构264

7.6 知识消化系统266

7.7 元推理和演绎机制269

7.8 知识消化的实现273

7.8.1 一个例子275

7.8.2 输入流的消化277

第8章 库管理系统高级功能279

8.1 知识追踪279

8.2 推理的解释282

8.2.2 要求用户回答问题284

8.2.1 求解用户的目标284

8.2.3 示意性的专家系统285

8.2.4 why解释功能287

8.2.5 how解释功能288

8.3 不精确推理292

8.3.1 不精确推理模型及其性质292

8.3.2 不精确推理的实现294

8.4.1 信念系统几个典型的例子298

8.4.2 一致性的恢复298

8.4 信念系统和非单调推理298

8.5 知识调试299

8.5.1 循环控制299

8.5.2 假结论的诊断301

8.5.3 发现丢失解的结论305

8.6 知识获取的一种方法——模型推理方法306

8.6.1 求精操作307

8.6.2 模型推理算法310

8.6.3 知识调节与实例312

9.1.1 基本原理316

9.1 部分计算一般介绍316

第9章 知识变换与优化316

9.1.2 实现算法317

9.1.3 部分计算主要特征319

9.1.4 循环问题及其处理319

9.2 元级描述向目标级描述变换方法320

9.3 逻辑程序的源级优化323

9.4 源级向抽象机级变换324

9.4.1 源级或0型抽象机(apm-0)向1型抽象机(apm-1)变换325

9.4.2 源级或0型抽象机向2型抽象机(apm-2)变换327

9.5 PROLOG元级解释器的合成方法333

9.5.1 元级解释器的建立333

9.5.2 元级解释器的合成335

第10章 知识工程开发方法338

10.1 知识工程的开发过程338

10.1.1 增量式的开发方法339

10.1.2 螺旋型模型339

10.2 快速原型法(prototyping)340

10.2.1 原型法的一般原理340

10.2.2 原型法的基本要求341

10.3 概念化知识获取方法342

10.4 路径寻找问题逻辑设计344

10.4.1 容器灌水问题345

10.4.2 农夫划船问题346

10.5 递归问题逻辑设计348

10.5.1 自然数是递归问题348

10.5.2 项递归348

10.6 约束求解问题设计351

10.7 面向智能主体的开发技术354

10.7.2 AGENTO语言355

10.7.1 面向智能主体的软件开发355

10.7.3 AGENT-O解释器356

10.7.4 基于智能主体的软件工程357

第11章 基于知识的系统开发359

11.1 ECAP规则系统框架359

11.1.1 分布式组件技术与三层体系结构的关系359

11.1.2 主动规则——ECA规则简介359

11.1.3 扩展的ECA规则360

11.1.5 ECAP规则语法361

11.1.4 ECAP规则语义361

11.1.6 分层结构模型362

11.1.7 基于ECAP规则的分层应用程序的运行机制364

11.2 经营过程中的对象行为建模365

11.2.1 信息系统建模分类及比较365

11.2.2 CPN概述366

11.2.3 有色Petri网(CPN)366

11.2.4 递阶有色Petri网(Hierarchical CPN)368

11.2.6 面向对象的HCPN对企业行为对象建模369

11.2.5 HCPN与面向对象369

11.3 基于ECAP和HCPN的图书信息管理系统设计与建模373

11.3.1 图书信息管理系统结构373

11.3.2 采访子系统的功能简介374

11.3.3 采访子系统的递阶分层模型374

11.3.4 图书采访的对象模型375

11.3.5 图书采访的行为模型376

11.3.6 图书采访的HCPN模型377

11.3.7 用ECAP规则描述采访过程380

11.4.2 数据端口的定义381

11.4.1 ECAP规则的生成381

11.4 系统生成和重构策略及应用381

11.4.3 重构策略及应用382

11.4.4 规则设计性能方面的优化384

11.5 面向CBR(Case-Based Reasoning)的数据仓库相关技术384

11.5.1 CBR的基本思想385

11.5.2 基于事例仓库的高级事例推理系统(Advanced Case-Based System on Case Warehouse)386

11.6 ACBR知识获取算法387

11.6.1 规则获取387

11.6.2 一个例子389

11.6.3 消除冗余属性394

11.6.4 消除不一致性396

11.6.5 利用元知识400

11.7 ACBR的问题求解401

11.7.1 事例仓库的组织401

11.7.2 事例仓库的检索——启发式搜索402

11.7.3 事例仓库的管理406

11.7.4 性能评价406

参考文献408