本书对数据挖掘获取知识的形式、特点和管理模式进行研究，以促进知识管理和数据挖掘学科的互补式交叉发展，提高企业决策质量。运用理论和实践相结合、定性和定量相结合的研究方法，综合知识管理、数据挖掘、人工智能、可拓学和复杂性理论等交叉学科的研究成果，给出了智能知识（IK）和智能知识管理（IKM）的概念。改变了学者一贯采用的智能的知识管理方案，提出让知识本身具有记忆、识别、推理、自适应等一系列特点的智能知识及其管理模式理论，建立了IKM研究的体系框架，以减少即将来临的知识过载。
本书通过引入可拓学理论，设计了具有目标智能性的可拓规则挖掘算法和基于MCLP的可拓分类算法，首次提出了智能知识的孵化方法，实现了智能知识的表达和存储方案，并提出了智能知识的自我审计方法和推理技术等新方案。最后分析了智能知识管理系统（IKMS）的需求，并进行了详细的软件功能设计，从而为智慧决策提供一种新视角和一条新途径。
本书适合知识管理、数据挖掘、决策支持、人工智能等研究领域的学者、企业CEO、CIO及研究生和大学高年级学生阅读，也可以作为研究生选修课教材。
样章试读
目录
- 《智能科学技术著作丛书》序
前言
第1章 绪论
1.1 信息时代背景下的知识管理和数据挖掘
1.2 知识管理和数据挖掘在应用中遇到的问题
1.3 智能知识管理研究的意义
1.4 本书的框架与内容
第2章 信息爆炸与知识获取方式变迁
2.1 信息爆炸与知识管理现状综述
2.1.1 信息爆炸及其成因
2.1.2 知识获取方式及知识管理研究对象的变迁
2.1.3 知识管理模式的研究现状
2.1.4 知识管理技术和工具
2.1.5 本节小结
2.2 数据挖掘的研究综述——数据挖掘及其对知识管理的影响
2.2.1 数据挖掘过程
2.2.2 数据挖掘算法
2.2.3 数据挖掘的研究领域分析
2.2.4 数据挖掘获取的知识的特点
2.2.5 数据挖掘在应用中面临的问题
2.2.6 本节小结
2.3 智能知识管理的研究现状
2.3.1 智能的概念及其实现途径
2.3.2 机器学习的策略
2.3.3 智能知识管理相关研究综述
2.4 本章小结
第3章 智能知识管理的理论框架
3.1 智能知识管理的相关概念
3.1.1 基本概念
3.1.2 数据挖掘新视角下的知识分类
3.1.3 智能知识的定义及分析
3.1.4 智能知识管理
3.1.5 智能知识管理系统
3.2 智能知识管理的理论基础
3.2.1 认知心理学理论
3.2.2 人工智能理论
3.2.3 复杂性科学与复杂系统理论
3.2.4 系统科学理论
3.2.5 可拓学理论
3.3 数据挖掘与智能知识管理的关系
3.4 智能知识管理的研究框架
3.4.1 智能知识管理的目标
3.4.2 智能知识管理的研究框架
3.4.3 智能知识管理的方法和路径
3.5 智能知识管理的关键技术
3.5.1 获取智能知识的新的数据挖掘算法技术
3.5.2 具有记忆能力的智能知识表达技术
3.5.3 主动进化的智能知识的自我审计技术
3.5.4 具备社会性的智能知识通信与推理技术
3.5.5 基于情景识别的智能知识主动推送技术
3.6 智能知识管理支撑条件的构建
3.6.1 管理原则：结果导向，客户价值，持续发展
3.6.2 项目管理流程与制度
3.7 本章小结
第4章 智能知识的直接获取技术
4.1 智能知识获取的数据准备
4.1.1 数据集的类型分析及选取策略
4.1.2 内部数据转换的可拓策略分析
4.1.3 数据转换措施
4.2 获取智能知识的转化规则挖掘算法
4.2.1 转化规则挖掘的理论分析
4.2.2 转化规则获取的方法
4.2.3 获取转化规则的挖掘算法及实现步骤
4.3 获取智能知识的可拓分类算法
4.3.1 MCLP分类原理
4.3.2 可拓分类的概念
4.3.3 可拓分类的实现框架
4.3.4 可拓分类的算法设计
4.3.5 可拓分类的结果示例
4.4 小结与展望
第5章 智能知识管理的间接实现模式
5.1 原始知识的获取方法及表现形式
5.2 从原始知识到智能知识的转化
5.3 智能知识的孵化过程
5.4 智能知识的表达与存储
5.4.1 常用的知识表达方式
5.4.2 元知识与情景知识
5.4.3 基于基元的智能知识表达
5.4.4 智能知识的存储
5.5 智能知识的审计
5.5.1 知识审计的概念
5.5.2 知识审计的方法
5.5.3 智能知识的自我审计技术
5.6 智能知识的推理机制
5.6.1 知识推理方法
5.6.2 智能知识的推理机制
5.6.3 智能知识的推理算法
5.7 本章小结
第6章 智能知识管理系统设计
6.1 智能知识的生命周期分析
6.2 系统需求分析
6.3 智能知识管理系统的整体架构
6.4 智能知识管理系统的软件架构及组件划分
6.5 智能知识管理系统的功能概要设计
6.6 本章小结
第7章 智能知识管理模式的应用
7.1 智能知识应用的一般流程
7.2 智能知识的应用实例
7.2.1 应用背景
7.2.2 智能知识的应用过程
7.2.3 效果分析
7.3 智能知识管理模式的初步应用
7.4 本章小结
第8章 总结与展望
8.1 研究结论
8.2 对后续研究的展望
参考文献
附录 知识管理和数据挖掘研究论文统计
后记
京公网安备 11010102004214号