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。

知识工程是人工智能中最实用的部分。E.A.Feigenbaum最早提出的“知识工程”概念是，使用人工智能的原理和方法构造专家系统。知识工程的出现使人工智能从重视问题求解的方法，走向重视知识，使人工智能走向实用化，极大地推动了人工智能的发展。知识工程研究构造高性能的知识系统（包括专家系统、知识库系统、智能决策系统等），同时要研究人工智能的核心问题，如知识表示、知识获取、知识库组织、推理技术和机器学习等。陆汝钤院士认为：大规模的知识共享则是一种现代化的知识工程。

知识管理是社会中组织（或个人）进行知识的交流和共享，并创造知识，提高组织（或个人）的知识水平和解决问题的能力，适应随机变化的环境。

知识工程与知识管理是处于两个不同的层次。知识工程作为方法学是一种工具，知识系统是知识工程的产品，它应用于知识管理。可以说，知识工程是知识管理的技术支柱，知识工程能够帮助组织（或个人）充分利用计算机中的知识系统来解决实际问题。当知识管理中的知识获取、共享、应用和创造，逐步成熟并形式化后，再数字化就可以成为知识工程的内容。计算机中的专家系统就是将人类专家利用知识解决实际问题的过程，形式化并数字化后形成的。

知识工程与知识管理相互结合能增强两者的关系，并能相互促进、共同发展。

本书在知识工程的章节中，加强了实践的内容：在专家系统和决策支持系统的章节中除了介绍原理外，还介绍具体的开发方法（包括工具）和实例；在计算智能、机器学习和数据挖掘、公式发现的章节中，既介绍原理又介绍实现方法和实例。这些章节中的开发方法和应用实例，均是作者在科研中的经验总结。

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。

在数据挖掘的研究中，作者领导的课题组研制的基于信道容量的IBLE方法，比国外的基于信息增益的ID3方法在识别率上高出10个百分点。我们研制的经验公式发现系统FDD，比国外的BACON系统在发现公式上更广泛。

作者近年来提出的一种适应变化环境的“变换规则”这种新知识表示形式，它扩充了规则知识的应用范围；作者还证明了变换规则的挖掘、推理的定理和变换规则链挖掘的定理，为获取变换规则和变换规则链提供了依据和方法；作者提出了用变换规则作为一种适应变化环境的元知识表示形式，它更能有效地描述具有变化特点的领域知识。

本书在知识管理的章节中，除了介绍知识管理的基本原理外，还介绍了学习型组织和人力资源管理理论。学习型组织是鼓励个人和组织善于学习，不断修正自身行为，并不断创新和进步的组织。学习型组织是实现知识管理的最有效的组织形式。人力资源管理理论是以人为本，充分发挥人力资源的能动性和潜在能力，促进经济发展。人力资源管理的基础理论促进了知识管理和知识开发。

在“知识创造”一章中，除了介绍知识创造模型外，还介绍了开源软件。知识创造模型包括显性知识与隐性知识之间的转化模型和知识螺旋模型，强调了隐性知识在知识创造中的作用。开源软件是知识管理的典范。在互联网上互不相识的人们进行知识交流和共享，大家共同协作完善开源软件，这种集体协作创造知识的方式形成了新潮流。开源软件的成功，极大地促进了软件的发展，也是对知识私有的一次巨大冲击。

计算机（包括软件、硬件）虽然是非生物，但在人类的帮助下，计算机在模拟人的能力方面得到了飞速的发展。作者针对计算机进化过程进行了研究，发掘了一些进化规律，以便能更清楚地认识计算机的本质，这对于提高我们对计算机的使用效果，以及进一步促进计算机的进化起到积极作用。计算机进化规律的发掘，是介于知识工程与知识管理之间有意义的课题，希望能够唤起有兴趣者发掘更多的计算机进化规律，加速计算机的进化，使计算机更有效地为人类服务。

本书以“原理、实现、应用” 的讲述方式，较系统地介绍了知识工程中的原理和开发技术、知识管理中的基本原理和实例，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应用系统。

本书得到清华大学出版社的大力支持，在此表示诚挚的谢意。

陈文伟2010年4月

第1章 知识工程与知识管理综述1

1.1 知识工程与人工智能1

1.1.1 知识工程概念1

1.1.2 人工智能概念和发展过程3

1.1.3 知识系统结构和知识工程基础8

1.2 知识工程的核心问题9

1.2.1 知识概念与逻辑推理9

1.2.2 知识表示与知识推理12

1.2.3 知识获取24

1.3 知识管理与知识工程26

1.3.1 知识管理综述26

1.3.2 信息管理与知识管理28

1.3.3 知识工程与知识产业30

1.3.4 知识工程和知识管理相互促进33

习题136

第2章 专家系统及其开发37

2.1 专家系统综述37

2.1.1 专家系统概念37

2.1.2 专家系统结构和原理38

2.1.3 专家系统的应用与开发的困难39

2.2 产生式规则专家系统41

2.2.1 产生式规则知识与推理41

2.2.2 不确定性推理45

2.2.3 解释机制和事实库47

2.2.4 产生式规则知识推理简例49

2.3 元知识与两级推理51

2.3.1 元知识概念 51

2.3.2 元知识分类53

2.3.3 领域知识和元知识的两级推理54

2.4 专家系统的黑板结构56

2.4.1 基本原理56

2.4.2 HEARSAY-II语言识别系统58

2.4.3 医疗诊断专家系统60

2.5 专家系统开发与实例61

2.5.1 专家系统的开发61

2.5.2 专家系统工具63

2.5.3 单推理树形式的专家系统68

2.5.4 多推理树形式的专家系统70

习题274

知识工程与知识管理第3章 决策支持系统及其开发76

3.1 决策支持系统与智能决策支持系统76

3.1.1 决策支持系统综述76

3.1.2 决策资源与决策支持82

3.1.3 模型实验与模型组合方案84

3.1.4 智能决策支持系统的设计与开发85

3.1.5 决策支持系统实例89

3.2 基于数据仓库的决策支持系统93

3.2.1 数据仓库与联机分析处理93

3.2.2 数据仓库的决策支持101

3.2.3 基于数据仓库的决策支持系统与商业智能103

3.2.4 基于数据仓库的决策支持系统实例105

3.3 综合决策支持系统107

3.3.1 传统决策支持系统与新决策支持系统的比较107

3.3.2 数据仓库与数学模型108

3.3.3 综合决策支持系统结构与原理109

3.3.4 网络环境的综合决策支持系统体系111

3.3.5 网络环境的决策支持系统实例114

习题3118

第4章 计算智能的仿生技术119

4.1 神经计算119

4.1.1 人工神经网络119

4.1.2 反向传播模型BP123

4.1.3 反向传播模型实例分析128

4.1.4 神经网络专家系统130

4.2 模糊计算135

4.2.1 模糊集合及其运算135

4.2.2 模糊推理137

4.2.3 模糊规则的计算公式139

4.2.4 模糊推理方法的比较140

4.3 遗传算法141

4.3.1 遗传算法原理141

4.3.2 优化模型的遗传算法求解145

4.3.3 基于遗传算法的分类学习系统147

4.4 人工生命152

4.4.1 人工生命概述152

4.4.2 人工生命的研究内容和方法153

4.4.3 人工生命实例154

4.4.4 人工生命的实验系统156

习题4158

第5章 机器学习与数据挖掘160

5.1 机器学习与数据挖掘综述160

5.1.1 机器学习概述160

5.1.2 机器学习分类162

5.1.3 知识发现与数据挖掘综述165

5.1.4 数据浓缩与知识表示169

5.2 基于信息论的归纳学习方法173

5.2.1 基于互信息的ID3方法174

5.2.2 基于互信息的C4.5方法178

5.2.3 基于信道容量的IBLE方法179

5.3 基于集合论的归纳学习方法189

5.3.1 AQ11方法189

5.3.2 粗糙集方法194

5.3.3 关联规则挖掘203

习题5210

第6章 公式发现与变换规则的挖掘212

6.1 公式发现 212

6.1.1 公式发现综述212

6.1.2 物理化学定律发现系统BACON214

6.1.3 经验公式发现系统FDD218

6.2 变换规则的知识挖掘232

6.2.1 适应变化环境的变换和变换规则232

6.2.2 变换规则的知识挖掘的理论基础234

6.2.3 变换规则的知识推理236

6.2.4 变换规则链的知识挖掘238

6.2.5 适应变化环境的变换规则元知识241

习题6244

第7章 知识管理246

7.1 知识经济与知识管理246

7.1.1 知识经济与知识管理的形成246

7.1.2 知识管理基本原理249

7.1.3 知识管理实例257

7.2 知识管理与学习型组织259

7.2.1 学习型组织概念259

7.2.2 学习型组织与知识管理的整合261

7.2.3 学习型组织实例265

7.3 人力资源管理的理论基础267

7.3.1 知识管理和人力资源管理267

7.3.2 人力资源管理理论268

7.3.3 人力资源管理实例274

习题7278

第8章 知识创造279

8.1 知识创造模型与开源软件279

8.1.1 知识创造模型279

8.1.2 集体协作创造知识的新潮流--开源软件286

8.2 软件进化规律的发掘293

8.2.1 数值计算的进化 293

8.2.2 计算机程序的进化297

8.2.3 数据存储的进化300

8.2.4 知识处理的进化302

8.2.5 进化规律的发掘304

8.3 计算机硬件与网络进化规律的发掘307

8.3.1 计算机硬件的理论基础307

8.3.2 计算机的体系结构312

8.3.3 计算机硬件的进化314

8.3.4 硬件进化规律的发掘318

8.3.5 计算机网络的进化320

8.3.6 计算机技术发展趋势323

习题8325

参考文献327