第1章 绪论

1.1概述

1.2内容框架

参考文献

第2章 知识表示

2.1知识表示概述

2.1.1知识的定义和结构

2.1.2知识的阈值

2.1.3知识的类型

2.1.4常用的知识表示

2.2逻辑表示

2.2.1命题逻辑

2.2.2一阶谓词逻辑

2.3产生式规则表示

2.4语义网表示

2.5框架表示

2.6脚本表示

2.7本体表示

2.8小结

参考文献

第3章 推理方法与专家系统

3.1推理概述

3.1.1推理方法及分类

3.1.2推理控制策略及分类

3.2逻辑推理系统

3.2.1演绎逻辑与三段论

3.2.2推理规则

3.2.3逻辑系统

3.2.4归结与演绎

3.3产生式推理系统

3.3.1产生式系统概述

3.3.2产生式系统的体系结构及工作原理

3.3.3部分匹配

3.3.4与或树

3.3.5正向和反向推理算法

3.3.6匹配冲突消解

3.4其他推理方法

3.4.1类比

3.4.2生成与验证

3.4.3溯因

3.5专家系统概述

3.5.1专家系统的定义

3.5.2专家系统的体系结构

3.5.3专家系统的主要特征

3.5.4专家系统的类型

3.5.5一个简单的专家系统示例

3.6小结

参考文献

第4章 确定性因子理论

4.1信任和不信任

4.2信任与不信任之度量

4.3不确定性因子的计算

4.4不确定性值计算的封闭性

4.5不确定性值计算例

4.6规则集合（规则库）的评价

4.7小结

参考文献

第5章 确定性因子模型改进及其在冲突消解中的应用

5.1不确定性知识的描述

5.2不确定性值的传播算法

5.3最大存在风险和最大不存在风险

5.4冲突消解模型

5.5小结

参考文献

第6章 基于概率论的处理方法

6.1概述

6.2确定性证据的不确定性处理

6.3不确定性证据的不确定性推理

6.4讨论

参考文献

第7章 证据理论

7.1D-S理论

7.2一种简化的证据理论SET

7.3一种凸函数证据理论模型CSET

7.3.1SET模型面对有序命题类问题的困难

7.3.2具有凸函数性质的简化证据理论

7.3.3凸函数简化证据理论的分析

7.3.4小结

参考文献

第8章 一种面向有序命题类问题的信息融合新方法

8.1预备知识

8.2原方法的问题与不足

8.3一些基本概念

8.4信息熵

8.5融合两个基本支持函数的新方法——算法F

8.5.1算法F的描述

8.5.2关于算法F的一些例子

8.6用8.2节中的例子比较两种方法

8.7小结

参考文献

第9章 加权模糊逻辑

9.1概述

9.2加权模糊逻辑和加权模糊逻辑命题演算

9.3加权模糊逻辑在专家系统中的应用及其推理规则

9.4相关工作的比较

9.5小结

参考文献

第10章 专家系统中的一种模糊推理模型——一种二阶不确定性处理模型

10.1概述

10.2模糊推理模型FURM

10.2.1FURM的知识表示

10.2.2FURM的不确定性推理

10.3讨论

参考文献

第11章 专家系统中不精确推理单位元

11.1抽象不精确推理模型

11.2单位元的性质

11.3实例分析

11.4小结

参考文献

第12章 两级不确定性知识处理模型

12.1概述

12.2规则中的不确定性、准确性

12.2.1规则强度

12.2.2规则的准确性、可靠性

12.2.3知识表示

12.3关于偏差的两级不确定性推理模型

12.3.1两级不确定性推理模型的必要条件

12.3.2处理两级不确定性的推理模型

12.3.3多条前件不同但后件相同的规则的结论综合

12.4讨论

参考文献

第13章 多ES协作系统中不一致性处理

13.1概述

13.2一致性处理

13.2.1协作组中诸ES之看法间的影响

13.2.2决策

13.3讨论

参考文献

第14章 协作知识系统中冲突消解的辩论方法

14.1概述

14.2多维辩论方法辩论的基本过程

14.3依赖性值的计算

14.4外部约束的计算

14.5多维辩论系统框架PAT-1简介

14.6讨论与总结

参考文献

第15章 Belief的解释和更新

15.1广义概率与信任函数

15.2随机集合与信任函数

15.3内、外测度与上、下概率

15.4信任值的修正、更新和集中

15.5小结

参考文献

第16章 布尔代数上的Belief模型

16.1布尔代数的基本概念

16.2广义Dempster-Shafer理论

16.3广义随机集合

16.4信任值的更新和修正

16.5求精和相容概念

16.6布尔代数上的限定化概念

16.7Belief模型中的决策模型

16.8小结

参考文献

第17章 处理二阶不确定性的内涵方法

17.1集合-值映射的扩充

17.2“概率簇空间”的传递模型

17.2.1不确定性结构的传递方法

17.2.2限定化关系的传递

17.3规则的组合策略

17.3.1组合证据源

17.3.2组合结论

17.4小结

参考文献

第18章 贝叶斯网的基本概念及推理方法

18.1贝叶斯网的基本概念

18.2贝叶斯网推理问题概述

18.3变量消除推理算法

18.4Query DAG算法

18.5基于最大四重约束子集的推理算法

18.5.1算法TD

18.5.2算法CPP

18.5.3实验结果

18.5.4小结

参考文献

第19章 贝叶斯网学习方法

19.1参数学习

19.1.1概述

19.1.2极大似然估计方法

19.1.3贝叶斯方法

19.1.4不完备数据下的参数学习

19.1.5参数的增量学习

19.1.6小结

19.2结构学习

19.2.1概述

19.2.2常用评分函数简介

19.2.3几种搜索算法

19.2.4不完备数据下的结构学习

19.2.5基于约束的方法

19.2.6变量顺序的学习

19.2.7结构的增量学习

19.2.8小结

参考文献

第20章 经典粗糙集

20.1知识

20.1.1知识、分类和知识库

20.1.2知识库的等价、泛化和特化

20.2不精确概念、近似与粗糙集

20.2.1粗集集合的近似：上近似和下近似

20.2.2近似的性质

20.2.3近似与隶属关系

20.2.4不精确的数字特征

20.2.5不精确的拓扑特性

20.2.6划分的近似

20.2.7集合的粗等价

20.2.8集合的粗包含

20.3知识的约简

20.3.1知识的简式与核

20.3.2知识的相对简式和相对核

20.3.3簇的化简

20.3.4集合簇的相对简式与核

20.3.5知识的相关性

20.3.6知识的部分相关性

20.4信息系统与决策系统

20.4.1信息系统形式化定义

20.4.2信息系统的区分矩阵

20.4.3决策系统形式化定义

20.4.4属性的强度

20.4.5决策系统区分矩阵

20.4.6决策规则生成的一个实例

20.5小结

参考文献

第21章 粗糙集关系扩展模型

21.1不完备信息系统

21.2基于相容关系的粗糙集

21.3基于非对称相似关系粗糙集

21.4量化相容关系

21.5限制相容关系

21.6限制量化相容关系

21.7基于支配（优势）关系的粗糙集

21.8覆盖粗糙集

21.9小结

参考文献

第22章 粗糙集公理组的极小化

22.1相关研究

22.2现有粗糙集公理组的简化

22.3极小粗糙集公理组

22.4粗糙集公理组S5及其可靠性和极小性

22.5小结

参考文献

附录