本书系统地介绍了知识工程与知识管理。知识工程是人工智能中最具有实用价值的部分，包括专家系统、决策支持系统、计算智能(神经计算、模糊计算、遗传算法等)、机器学习与数据挖掘、公式发现与变换规则的挖掘等的原理与开发；知识管理是对社会中组织进行知识的交流和共享，并创造知识，包括知识管理、学习型组织与知识创造等理论与实例。

作者长期从事专家系统和决策支持系统及其工具的开发和应用：研制了专家系统工具TOES和马尾松毛虫防治决策专家系统等；研制了决策支持系统工具GFKD-DSS、基于客户机/服务器的决策支持系统快速开发平台CS-DSSP，以及全国农业投资空间决策支持系统等。

本书系统地介绍了知识工程与知识管理。知识工程是人工智能中最具有实用价值的部分，包括专家系统、决策支持系统、计算智能(神经计算、模糊计算、遗传算法等)、机器学习与数据挖掘、公式发现与变换规则的挖掘等的原理与开发；知识管理是对社会中组织(或个人)进行知识的交流和共享，并创造知识，包括知识管理、学习型组织与知识创造等理论与实例。本书最后讨论了计算机进化规律的发掘，这是介于知识工程与知识管理之间有意义的课题。

本书以“原理、实现、应用”的讲述方式，较系统地介绍知识工程中的原理和开发技术、知识管理中的理论和实例，以便研究生能够从理论和实践两个方面较扎实地掌握知识工程和知识管理，初步达到既掌握知识又能利用书中介绍的实现技术去开发实际系统的目标。

本书适合作为计算机科学与技术专业、信息管理与信息系统专业和系统工程专业的研究生教材，也可供大学本科高年级学生使用。同时本书也可供有关教师和科研技术人员学习参考。

第1章 知识工程与知识管理综述

 1.1 知识工程与人工智能

1.1.1 知识工程概念

1.1.2 人工智能概念和发展过程

1.1.3 知识系统结构和知识工程基础

 1.2 知识工程的核心问题

1.2.1 知识概念与逻辑推理

1.2.2 知识表示与知识推理

1.2.3 知识获取

 1.3 知识管理与知识工程

1.3.1 知识管理综述

1.3.2 信息管理与知识管理

1.3.3 知识工程与知识产业

1.3.4 知识工程和知识管理相互促进

习题1

第2章 专家系统及其开发

 2.1 专家系统综述

2.1.1 专家系统概念

2.1.2 专家系统结构和原理

2.1.3 专家系统的应用与开发的困难

 2.2 产生式规则专家系统

2.2.1 产生式规则知识与推理

2.2.2 不确定性推理

2.2.3 解释机制和事实库

2.2.4 产生式规则知识推理简例

 2.3 元知识与两级推理

2.3.1 元知识概念

2.3.2 元知识分类

2.3.3 领域知识和元知识的两级推理

 2.4 专家系统的黑板结构

2.4.1 基本原理

2.4.2 HEARSAY-Ⅱ语言识别系统

2.4.3 医疗诊断专家系统

 2.5 专家系统开发与实例

2.5.1 专家系统的开发

2.5.2 专家系统工具

2.5.3 单推理树形式的专家系统

2.5.4 多推理树形式的专家系统

习题2

第3章 决策支持系统及其开发

 3.1 决策支持系统与智能决策支持系统

3.1.1 决策支持系统综述

3.1.2 决策资源与决策支持

3.1.3 模型实验与模型组合方案

3.1.4 智能决策支持系统的设计与开发

3.1.5 决策支持系统实例

 3.2 基于数据仓库的决策支持系统

3.2.1 数据仓库与联机分析处理

3.2.2 数据仓库的决策支持

3.2.3 基于数据仓库的决策支持系统与商业智能

3.2.4 基于数据仓库的决策支持系统实例

 3.3 综合决策支持系统

3.3.1 传统决策支持系统与新决策支持系统的比较

3.3.2 数据仓库与数学模型

3.3.3 综合决策支持系统结构与原理

3.3.4 网络环境的综合决策支持系统体系

3.3.5 网络环境的决策支持系统实例

习题3

第4章 计算智能的仿生技术

 4.1 神经计算

4.1.1 人工神经网络

4.1.2 反向传播模型BP

4.1.3 反向传播模型实例分析

4.1.4 神经网络专家系统

 4.2 模糊计算

4.2.1 模糊集合及其运算

4.2.2 模糊推理

4.2.3 模糊规则的计算公式

4.2.4 模糊推理方法的比较

 4.3 遗传算法

4.3.1 遗传算法原理

4.3.2 优化模型的遗传算法求解

4.3.3 基于遗传算法的分类学习系统

 4.4 人工生命

4.4.1 人工生命概述

4.4.2 人工生命的研究内容和方法

4.4.3 人工生命实例

4.4.4 人工生命的实验系统

习题4

第5章 机器学习与数据挖掘

 5.1 机器学习与数据挖掘综述

5.1.1 机器学习概述

5.1.2 机器学习分类

5.1.3 知识发现与数据挖掘综述

5.1.4 数据浓缩与知识表示

 5.2 基于信息论的归纳学习方法

5.2.1 基于互信息的ID3方法

5.2.2 基于互信息的C4.5方法

5.2.3 基于信道容量的IBL正方法

 5.3 基于集合论的归纳学习方法

5.3.1 AQ11方法

5.3.2 粗糙集方法

5.3.3 关联规则挖掘

习题5

第6章 公式发现与变换规则的挖掘

 6.1 公式发现

6.1.1 公式发现综述

6.1.2 物理化学定律发现系统BACON

6.1.3 经验公式发现系统FDD

 6.2 变换规则的知识挖掘

6.2.1 适应变化环境的变换和变换规则

6.2.2 变换规则的知识挖掘的理论基础

6.2.3 变换规则的知识推理

6.2.4 变换规则链的知识挖掘

6.2.5 适应变化环境的变换规则元知识

习题6

第7章 知识管理

 7.1 知识经济与知识管理

7.1.1 知识经济与知识管理的形成

7.1.2 知识管理基本原理

7.1.3 知识管理实例

 7.2 知识管理与学习型组织

7.2.1 学习型组织概念

7.2.2 学习型组织与知识管理的整合

7.2.3 学习型组织实例

 7.3 人力资源管理的理论基础

7.3.1 知识管理和人力资源管理

7.3.2 人力资源管理理论

7.3.3 人力资源管理实例

习题7

第8章 知识创造

 8.1 知识创造模型与开源软件

8.1.1 知识创造模型

8.1.2 集体协作创造知识的新潮流——开源软件

 8.2 软件进化规律的发掘

8.2.1 数值计算的进化

8.2.2 计算机程序的进化

8.2.3 数据存储的进化

8.2.4 知识处理的进化

8.2.5 进化规律的发掘

 8.3 计算机硬件与网络进化规律的发掘

8.3.1 计算机硬件的理论基础

8.3.2 计算机的体系结构

8.3.3 计算机硬件的进化

8.3.4 硬件进化规律的发掘

8.3.5 计算机网络的进化

8.3.6 计算机技术发展趋势

习题8

参考文献