知识发现与智能决策 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

张文宇，薛昱，苏锦旗，薛惠锋 著

图书标签:

• 知识发现
• 数据挖掘
• 智能决策
• 机器学习
• 人工智能
• 数据分析
• 商业智能
• 决策支持系统
• 大数据
• 模式识别

出版社： 科学出版社

ISBN：9787030413208

版次：1

商品编码：11686225

包装：平装

开本：16开

出版时间：2015-05-01

用纸：胶版纸

页数：389

字数：750000

内容简介

　　《知识发现与智能决策》介绍知识发现、人工智能、数据 仓库、联机分析处理和智能决策的基本概念与相关理 论基础；分析知识发现与数据挖掘的对象与模式；综 述数据预处理的作用和方法；深入探讨基于符号推理 的数据挖掘方法、基于信息论思想的数据挖掘方法、 基于进化思想的数据挖掘方法、基于集合论的数据挖 掘方法和基于统计分析的数据挖掘方法，并将实例融 入算法的具体应用；阐释智能决策支持系统，并对数 据库与数据库管理系统、模型库与模型库管理系统、 方法库与方法库管理系统、知识库与知识库管理系统 以及人机对话管理系统进行详细说明，提出系统的逻 辑框架和实现方案；最后给出知识发现与智能决策支 持系统的应用案例。
　　本书可供从事知识发现与智能决策研究与开发的 专业人士、技术管理人员以及从事知识发现与智能决 策应用人员阅读，同时也可供高等院校计算机、管理 和信息相关专业的教师与学生阅渎。

目录

第1章 绪论
1.1 知识发现
1.2 人工智能
1.3 智能决策
第2章 相关基础理论
2.1 知识发现的理论基础
2.2 数据仓库的理论基础
2.3 联机分析处理的理论基础
2.4 智能决策的理论基础
第3章 知识发现和数据挖掘对象与模式
3.1 知识发现的挖掘对象
3.2 知识发现的挖掘模式
第4章 数据预处理
4.1 数据预处理的作用
4.2 数据预处理的方法
4.3 数据离散化方法
第5章 基于符号推理的数据挖掘方法
5.1 BACON系统
5.2 FDD系统
第6章 基于信息论思想的数据挖掘方法
6.1 ID3方法
6.2 IBLE方法
第7章 基于进化思想的数据挖掘方法
7.1 神经网络
7.2 遗传算法
7.3 人工免疫算法
7.4 蚁群算法
7.5 鱼群算法
7.6 粒子群优化算法
第8章 基于集合论的数据挖掘方法
8.1 模糊集合
8.2 粗糙集合
8.3 粗糙集合的扩展模型
第9章 基于统计方法的数据挖掘方法
9.1 相关分析和回归分析
9.2 方差分析
9.3 因子分析
9.4 判别分析
第10章 智能决策支持系统
10.1 智能决策支持系统概述
10.2 数据库与数据库管理系统
10.3 模型库与模型库管理系统
10.4 方法库与方法库管理系统
10.5 知识库与知识库管理系统
10.6 人机对话管理系统
10.7 逻辑框架及实现方案
第11章 知识发现与智能决策支持系统的应用案例
11.1 知识发现的应用
11.2 智能决策支持系统的应用
11.3 数据挖掘系统产品
参考文献

精彩书摘

　　《知识发现与智能决策》：
　　2.1.3数据库理论
　　数据库技术的萌芽从20世纪60年代中期开始，到60年代末70年代初商品化软件MIS的推出、数据库任务组（databasetaskgroup，DBTG）报告、埃德加·弗兰克·科德（E.F.Codd）发表的“大型数据库数据的关系模型”的理论，开创了数据库和关系数据理论的研究，标志着数据库技术的成熟，并有了坚实的理论基础。
　　70年代后，数据库技术有了很大发展。基于关系模型的数据库管理系统越来越丰富，性能越来越好，功能越来越强，其应用领域广泛。
　　数据库就是按照一定的组织结构在计算机存储介质上存储的相关数据，它具有数据结构化、数据独立性和数据共享的特点。数据库管理系统是用来帮助用户在计算机上建立、使用和管理数据库的软件系统，因此，数据库是数据的综合，不仅反映数据本身的内容，而且反映数据之间的联系。人们在数据库系统的形式化结构中采用数据模型来抽象、表示和处理现实世界中的数据和信息。
　　不同的数据模型提供不同的数据和信息的模型化工具，根据模型应用的不同目的，可将模型分为两个层次，一是概念模型（或信息模型），二是数据模型（如网状模型、层次模型、关系模型）。概念模型是按用户的观点来对数据和信息进行建模，数据模型是按计算机系统的观点对数据建模。
　　一般地讲，数据模型是严格定义的概念的集合，这些概念精确地描述了系统的静态特性、动态特性和完整性约束条件。数据模型可以用来描述数据的结构和数据的各种运算操作。因此，数据模型常由数据结构、数据操作和完整性约束三部分组成。在数据库系统中常按数据结构的类型来命名数据模型。如层次结构、网状结构和关系结构的类型分别为层次模型、网状模型和关系模型。数据操作是指对数据库中各种对象的实例（值）允许的操作的集合，包括操作和有关的操作规则。数据类型要定义这些操作的确切含义、操作符号、操作规则和实现这些操作的语言。也就是说，数据结构是对系统静态特性的描述，而数据操作是对系统动态特性的描述。数据的约束条件是完整性规则的集合，完整性规则是给定的数据模型中数据及其联系所具有的制约和依存规则，用以限定符合数据模型的数据库状态以及状态的变化，以保证数据的正确、有效、相容。
　　数据库理论提供了结构描述语言（外模式DDL）、外模式描述语言、内模式数据描述语言来严格定义有关对象。
　　关系数据库是应用数学方法来处理数据库数据的。关系模型是建立在集合代数的基础上的。一个关系模式应是一个元组R（U，D，DOM，F），其中R是关系名，它是符号化的元组语义；U是一组属性；U中的属性来自的域用D表示；属性到域的映射用DOM表示：属性组u上的一组数据依赖F。由于域D和映射DOM对模式设计的影响不大，所以可将关系看成三元组，当且仅当U上的一个关系r满足F时，r称为关系模式R（U，F）的一个关系。在关系数据库中，要求关系的每一个分量是不可分的数据项，并把这样的关系称为规范化的关系，简称为范式。
　　……

前言/序言

《知识发现与智能决策》是一本旨在探索和引导读者如何从海量信息中提炼有价值的知识，并基于这些知识做出更明智、更具前瞻性的决策的著作。本书并非一本枯燥的技术手册，而是试图以一种更为宏观和通俗的视角，解构“知识发现”和“智能决策”这两个看似复杂但又与我们日常生活息息相关的概念。 第一部分：知识的潮汐与发现的罗盘——理解知识的本质与搜寻之道 在信息爆炸的时代，我们如同置身于一片浩瀚的知识海洋。然而，海洋之大，并非意味着宝藏随处可见。如何辨别哪些是真正的珍宝，哪些只是漂浮的泡沫，是知识发现的首要挑战。本书的开篇，将带领读者深入理解“知识”的真正含义。它不只是孤立的数据点，更是经过组织、关联、理解和内化的信息。从原始数据到有意义的信息，再到能够指导行动的知识，这其中蕴含着一个精妙的转化过程。 我们将探讨知识的多种形态，包括显性知识（易于表达和传播）和隐性知识（蕴含在个人经验和直觉中，难以言传）。理解这些差异，有助于我们设计出更有效的知识获取和管理策略。 接着，本书将聚焦于“知识发现”的艺术。这不仅仅是简单的信息搜集，而是一个主动探索、筛选、分析和整合的过程。我们将介绍多种有效的知识搜寻方法： 系统性文献回顾与文献计量学分析： 如何通过对现有研究成果的深入梳理，快速把握某一领域的最新动态、研究热点和尚未被充分探索的空白区域。我们将学习如何设计科学的检索策略，评估文献的质量和相关性，并利用文献计量学工具（如引文分析、关键词共现分析）来识别关键文献、核心作者和重要研究方向。 信息可视化技术： 如何将复杂的数据和知识结构以直观的图形方式呈现，帮助我们快速发现隐藏的模式、关联和趋势。本书将介绍思维导图、概念图、网络图等可视化工具在知识梳理和整理中的应用，以及如何解读这些图谱所传递的信息。 案例研究与田野调查： 深入一线，通过对具体事例的细致观察和分析，挖掘那些不为外人所知但却至关重要的实践经验和“潜规则”。我们将学习如何设计有效的案例研究方案，进行深度访谈和参与式观察，从而获得鲜活、生动的知识。 数据挖掘与机器学习基础： 尽管本书并非一本纯粹的技术指南，但了解数据挖掘和机器学习的基本原理对于现代知识发现至关重要。我们将简要介绍关联规则挖掘、聚类分析、分类模型等技术，说明它们如何帮助我们从海量数据中自动发现潜在的规律和模式。重点在于理解这些技术能够带来怎样的知识，以及如何解读它们的结果。 在掌握了搜寻之道后，更重要的是如何构建一个属于自己的“知识罗盘”。这意味着要学会批判性地评估信息的来源、质量和可靠性，培养独立思考和辨别真伪的能力。我们将探讨信息过载时代的应对策略，如何避免被虚假信息和噪音所误导，以及如何建立一个高效的信息过滤和管理系统。 第二部分：智能的火花与决策的航向——从知识到行动的飞跃 知识的价值在于其应用。本书的第二部分，将把焦点从“发现”转移到“决策”。“智能决策”并非凭空产生，而是建立在对相关知识深刻理解和系统分析的基础之上。 我们将深入探讨决策过程的本质：它是一个在不确定性环境中，从多个备选方案中选择一个最优化路径的过程。在这个过程中，知识扮演着至关重要的角色，它为我们提供了评估选项、预测结果和规避风险的依据。 本书将介绍多种智能决策的框架和方法： 决策分析模型： 介绍如决策树、效用分析、成本效益分析等经典的决策工具。我们将学习如何构建决策模型，识别关键的决策点、不确定因素和可能的后果，并量化不同选择的潜在价值，从而做出理性选择。 情景规划与风险管理： 面对未来不确定性的挑战，情景规划提供了一种预见和准备未来多种可能性的方法。本书将讲解如何构建不同的未来情景，评估每个情景下的潜在机遇和挑战，并提前制定应对策略，以增强决策的韧性。同时，我们将探讨风险识别、评估和应对的基本原则，帮助读者在决策中有效地管理风险。 数据驱动的决策支持系统： 探讨如何利用前面知识发现部分所获得的洞察，构建或利用数据驱动的决策支持系统。这可能包括利用统计模型、预测分析甚至人工智能技术，来提供量化指标、模拟预测和优化建议，从而辅助决策者做出更精准、更快速的决策。 认知偏差与直觉的平衡： 智能决策并非完全排除人类的主观性。我们将深入探讨常见的认知偏差（如锚定效应、确认偏差、过度自信等），以及它们如何影响我们的决策过程。理解这些偏差，有助于我们有意识地加以规避，并更好地平衡理性分析与有经验的直觉。 群体智慧与协作决策： 在许多复杂问题面前，个体的力量是有限的。本书将探讨如何汇聚不同个体的知识和见解，通过有效的沟通和协作，形成更全面、更优化的集体决策。我们将介绍一些促进群体智慧的机制，如头脑风暴、德尔菲法等。 第三部分：融汇贯通与实践之路——将知识与决策融入生活与工作 理论的最终目的是指导实践。本书的最后一部分，将致力于将前面所学的内容融会贯通，并指引读者如何在实际生活中和工作中，将知识发现和智能决策的理念付诸实践。 我们将通过一系列贴近实际的案例分析，展示知识发现和智能决策如何在商业策略制定、个人职业规划、科学研究突破、社会问题解决等不同领域发挥作用。这些案例将涵盖： 企业战略与市场洞察： 如何通过对市场趋势、竞争对手和消费者需求的深入分析，发现新的商业机会，并制定前瞻性的市场进入或产品开发策略。 个人成长与生涯发展： 如何主动学习和积累知识，识别个人优势和发展方向，并做出明智的职业选择和学习规划。 科学研究的创新与突破： 如何通过文献的深度挖掘和跨学科的知识融合，提出新的研究假设，设计实验方案，并最终推动科学知识的前沿。 复杂社会议题的应对： 如何整合来自不同领域的信息和专家意见，分析社会问题的根源，并探索有效的治理和解决途径。 本书还将提供一些实用的工具箱和方法论，帮助读者构建自己的知识管理体系，并养成持续学习和终身决策的良好习惯。这可能包括： 个人知识图谱的构建： 如何系统地整理、存储和连接自己所学的知识，形成一个个性化的知识网络，方便随时调用和更新。 决策日志的记录与反思： 鼓励读者记录自己的重要决策过程，分析决策结果，总结经验教训，从而不断优化决策能力。 建立学习型组织或社群： 如何在团队或社群中，促进知识的共享和协作，营造一个支持智能决策的良好氛围。 结语：拥抱知识，引领未来 《知识发现与智能决策》并非一蹴而就的解决方案，而是一场持续的学习和实践之旅。它所倡导的核心理念是，在日新月异的世界里，保持好奇心，拥抱知识，不断提升我们发现有价值信息的能力，并基于这些信息做出更明智、更具前瞻性的决策。本书的目的，是为每一位渴望在信息洪流中站稳脚跟，并在个人和事业上取得卓越成就的读者，提供一座指引方向的灯塔，一副洞察本质的眼镜，一套付诸实践的工具。通过这本书，我们希望激发读者内在的求知欲和探索精神，赋予他们驾驭知识、引领未来的能力。

评分☆☆☆☆☆

阅读《知识发现与智能决策》的过程，就像经历了一场思维的“洗礼”。我从未想过，原来分析数据、做出决策，可以如此富有系统性和科学性。书中对于“知识表示”的探讨，让我对如何结构化、组织化地存储和管理知识有了更深刻的理解。作者从不同维度讲解了各种知识表示模型，包括规则、本体、语义网络等，以及它们在不同场景下的优势和劣势。这对于我们构建一个能够高效检索、推理和共享的知识库，有着至关重要的指导意义。此外，书中还深入剖析了“知识融合”的难题，如何将来自不同来源、不同格式的知识进行整合，形成一个统一、一致、完整的知识体系。这在信息孤岛普遍存在的当今时代，尤为关键。这本书让我认识到，真正的“知识发现”并非简单的信息收集，而是一个复杂而精密的系统工程，需要多方面的技术和方法协同作用。

评分☆☆☆☆☆

这本书的另一个亮点在于它对“智能决策”的系统性阐述。在我看来，决策过程往往是一个充满了不确定性和风险的挑战。即使拥有再多的信息，我们也很难百分之百地预知未来的结果。而“智能决策”提供了一种全新的视角，它强调利用数据驱动、算法支持的分析方法，来优化决策过程，降低风险，提高成功的概率。我特别关注书中关于“机器学习在决策支持系统中的应用”的部分，作者详细介绍了各种机器学习算法，如决策树、支持向量机、神经网络等，以及它们如何被用来预测趋势、识别模式、评估风险，并最终为决策者提供最优建议。这种将理论与实践相结合的讲解方式，让我能够清晰地理解各种算法的原理和适用场景。更重要的是，作者在书中也强调了智能决策的局限性，以及如何平衡算法的客观性与人类的经验判断，这让我意识到，智能决策并非要取代人类，而是要成为人类更强大的助手。

评分☆☆☆☆☆

总而言之，《知识发现与智能决策》这本书为我打开了一扇通往更深层次理解世界的大门。它不仅仅是关于技术，更是关于思维方式的转变。作者在书中穿插了许多哲学层面的思考，例如关于“知识的本质”、“智能的定义”以及“决策的伦理”等问题，这让这本书的深度得到了极大的提升。我发现，在追求高效和精确的智能决策的同时，我们也需要关注其背后的价值观和潜在影响。书中对于“可解释性AI”的讨论，让我意识到，在依赖算法做出决策的同时，我们也需要能够理解算法的决策过程，这样才能建立信任，并对可能出现的偏差进行纠正。这本书的语言风格平实而富有启发性，没有华而不实的辞藻，却字字珠玑。它让我明白了，真正的智慧，不仅仅在于掌握多少知识，更在于如何有效地利用这些知识，去理解世界，去做出更好的选择。

评分☆☆☆☆☆

说实话，在翻阅《知识发现与智能决策》之前，我对“知识发现”这个概念的理解还停留在比较表层的阶段。我总觉得它就是一些技术人员在电脑前进行数据挖掘，找到一些统计上的关联性。然而，这本书的出现，彻底颠覆了我的认知。作者用一种非常易于理解的方式，将原本可能晦涩难懂的理论，描绘得生动有趣。我尤其被其中关于“因果推断”的章节所吸引，它不仅仅关注事物之间的相关性，更深入地探讨了事物之间的内在联系，以及如何通过实验设计和统计模型来验证这些联系的真实性。这对于我们理解复杂系统，例如市场行为、社会现象，甚至人体健康，都具有极其重要的意义。以往，我常常在分析问题时，容易陷入“相关不等于因果”的误区，这本书就像一盏明灯，指引我如何更严谨、更深入地思考问题，避免被表面的现象所迷惑。作者在书中举了大量生动的案例，这些案例都非常贴近我们的生活和工作，让我能够切身感受到知识发现的强大力量，以及它如何帮助我们做出更具前瞻性的判断。

评分☆☆☆☆☆

刚拿到《知识发现与智能决策》这本书，封面设计就给我一种沉静而充满力量的感觉，深邃的蓝色背景搭配简洁的银色字体，仿佛预示着探索未知、开启智慧的旅程。我一直对如何从海量信息中提炼出有价值的见解，并在此基础上做出更明智的选择抱有浓厚的兴趣。在日常工作中，我们常常面临信息爆炸的困境，各种数据、报告、观点层出不穷，如何在纷繁芜杂中找到那颗璀璨的“知识之星”，并利用它指导我们前进的方向，是我一直思索的问题。这本书的题目正是我内心深处的呼唤，它承诺将带领我进入一个超越直觉、依赖数据和智能分析的决策领域。我期待它能为我揭示那些隐藏在数据背后的规律，教我如何构建有效的知识发现模型，以及如何将这些知识转化为切实可行的决策方案。尤其是在人工智能飞速发展的当下，书中关于智能决策的部分，更是让我充满期待，希望能从中学习到最新的技术和方法，为自己的工作和学习注入新的动力。这本书不仅仅是一本理论著作，我更希望它能是一本实践指南，能够指导我如何在实际场景中应用这些知识，解决我所面临的实际问题。

评分☆☆☆☆☆

厚厚一本，全是字，排版很密，阅读不舒适。

评分☆☆☆☆☆

包装的太差，封面上都是泥，能看就好，懒得吐槽了

评分☆☆☆☆☆

包装的太差，封面上都是泥，能看就好，懒得吐槽了

评分☆☆☆☆☆

包装的太差，封面上都是泥，能看就好，懒得吐槽了

评分☆☆☆☆☆

厚厚一本，全是字，排版很密，阅读不舒适。

评分☆☆☆☆☆

厚厚一本，全是字，排版很密，阅读不舒适。

评分☆☆☆☆☆

包装的太差，封面上都是泥，能看就好，懒得吐槽了

评分☆☆☆☆☆

厚厚一本，全是字，排版很密，阅读不舒适。

评分☆☆☆☆☆

包装的太差，封面上都是泥，能看就好，懒得吐槽了