智能系統(tǒng)（基礎方法及其在農(nóng)業(yè)中的應用）

  上篇基礎篇
第1章  概述
  1.1  智能系統(tǒng)的基本概念與特征
  1.1.1  什么是智能系統(tǒng)
  1.1.2  智能系統(tǒng)的特征
  1.2  智能系統(tǒng)的發(fā)展
  1.2.1  專家系統(tǒng)的孕育(1965年以前)
  1.2.2  專家系統(tǒng)的產(chǎn)生(1965—1971年)
  1.2.3  專家系統(tǒng)的基本成熟(1972—1977年)
  1.2.4  專家系統(tǒng)的進一步發(fā)展(1978—1990年)
  1.2.5  從專家系統(tǒng)到智能系統(tǒng)(1990年至今)
  1.2.6  國內(nèi)智能系統(tǒng)的發(fā)展
  1.3  智能系統(tǒng)的類型
  1.3.1  診斷型智能系統(tǒng)
  1.3.2  解釋型智能系統(tǒng)
  1.3.3  預測型智能系統(tǒng)
  1.3.4  設計型智能系統(tǒng)
  1.3.5  規(guī)劃型智能系統(tǒng)
  1.3.6  教育型智能系統(tǒng)
  1.3.7  監(jiān)視型智能系統(tǒng)
  1.3.8  控制型智能系統(tǒng)
  1.3.9  調(diào)試型智能系統(tǒng)
  1.3.10  維修型智能系統(tǒng)
  1.4  智能系統(tǒng)的基本結構
  1.4.1  知識庫
  1.4.2  推理機構
  1.4.3  人機交互接口
  1.4.4  知識獲取機構
  1.4.5  解釋機構
  1.4.6  數(shù)據(jù)庫
  1.5  智能系統(tǒng)與知識工程
  1.6  智能系統(tǒng)與其他相關技術的關系
  1.6.1  與常規(guī)軟件技術的結合
  1.6.2  與分布式數(shù)據(jù)庫技術的結合
  1.6.3  與網(wǎng)絡通信技術的結合
  1.6.4  與多媒體技術的結合
  1.6.5  與知識發(fā)現(xiàn)技術的結合
  1.6.6  與其他系統(tǒng)的結合
  1.7  智能系統(tǒng)的研究意義
  1.7.1  促進了人工智能理論的發(fā)展
  1.7.2  促進了應用領域理論的發(fā)展
  1.7.3  產(chǎn)生了巨大的經(jīng)濟效益
  1.8  本書的基本框架
  參考文獻
第2章  知識表示與運用
  2.1  知識及其分類
  2.1.1  知識的本質(zhì)
  2.1.2  知識的分類
  2.2  知識表示
  2.2.1  知識表示及其要求
  2.2.2  知識表示的發(fā)展
  2.2.3  知識表示法的選擇原則
  2.2.4  一階謂詞邏輯表示法
  2.2.5  產(chǎn)生式表示法
  2.2.6  語義網(wǎng)絡表示法
  2.2.7  框架表示法
  2.2.8  面向?qū)ο蟊硎痉?br />  2.3  不確定知識的表示
  2.4  知識的組織、運用、管理與維護
  2.4.1  知識的組織
  2.4.2  知識的運用
  2.4.3  知識的管理
  2.4.4  知識的維護
  2.5  討論與展望
  參考文獻
第3章  知識獲取
  3.1  概述
  3.1.1  知識獲取的基本概念
  3.1.2  知識獲取的發(fā)展
  3，2  知識獲取的基本過程
  3.2.1  知識源的確定
  3.2.2  知識文本的概念化
  3.2.3  知識的形式化
  3.2.4  知識庫的建立
  3.2.5  知識庫的測試、精煉、維護
  3.3  知識的概念化方法
  3.3.1  面談式知識文本的生成
  3.3.2  模擬法知識文本的生成
  3.3.3  協(xié)議分析法知識文本的生成
  3.4  知識的形式化過程
  3.4.1  基本概念
  3.4.2  知識形式化的“知識表示”方法的選擇原則
  3.4.3  知識形式化文本的建立過程
  3.5  知識庫的建立
  3.5.1  知識庫與數(shù)據(jù)庫
  3.5.2  利用KB編輯模塊建立KB
  3.5.3  利用學習算法模塊建立KB
  3.5.4  利用知識庫管理系統(tǒng)創(chuàng)建KB
  3.6  知識庫的測試、精煉與維護
  3.6.1  知識庫的一致性與完整性
  3.6.2  知識庫的調(diào)試與精煉
  3.6.3  知識求精
  3.6.4  知識庫的維護
  3.7  知識獲取方法
  3.7.1  人工知識獲取
  3.7.2  自動知識獲取
  3.8  討論與展望
  參考文獻
第4章  機器學習與知識發(fā)現(xiàn)
  4.1  概述
  4.1.1  基本概念
  4.1.2  機器學習的發(fā)展
  4.1.3  機器學習的分類
  4.2  知識發(fā)現(xiàn)
  4.2.1  知識發(fā)現(xiàn)的定義
  4.2.2  知識發(fā)現(xiàn)的產(chǎn)生與發(fā)展
  4.2.3  知識發(fā)現(xiàn)過程
  4.2.4  知識發(fā)現(xiàn)方法
  4.3  討論與展望
  參考文獻
第5章  知識庫系統(tǒng)
  5.1  數(shù)據(jù)與數(shù)據(jù)庫
  5.1.1  數(shù)據(jù)與數(shù)據(jù)庫的定義
  5.1.2  數(shù)據(jù)庫與人工智能
  5.1.3  數(shù)據(jù)庫的智能化和智能化數(shù)據(jù)庫
  5.2  數(shù)據(jù)倉庫
  5.2.1  數(shù)據(jù)倉庫的興起
  5.2.2  數(shù)據(jù)倉庫的概念
  5.2.3  數(shù)據(jù)倉庫的特點
  5.2.4  數(shù)據(jù)倉庫與智能系統(tǒng)
  5.3  知識庫系統(tǒng)
  5.3.1  知識庫系統(tǒng)的定義
  5.3.2  知識庫系統(tǒng)的發(fā)展
  5.3.3  知識庫、知識庫管理系統(tǒng)和知識庫系統(tǒng)
  5.4  討論與展望
  參考文獻
第6章  推理機制
  6.1  智能系統(tǒng)中推理的基本概念
  6.1.1  什么是推理
  6.1.2  推理的方式及其分類
  6.2  經(jīng)典邏輯推理
  6.2.1  自然演繹推理
  6.2.2  歸結推理
  6.2.3  與／或形演繹推理
  6.3  不確定推理
  6.3.1  基本概念
  6.3.2  主觀貝葉斯方法推理
  6.3.3  證據(jù)理論推理
  6.3.4  模糊推理
  6.4  討論與展望
  參考文獻
第7章  控制策略
  7.1  推理方向
  7.1.1  正向推理
  7.1.2  反向推理
  7.1.3  雙向混合推理
  7.2  搜索策略
  7.2.1  深度優(yōu)先搜索
  7.2.2  廣度優(yōu)先搜索
  7.2.3  啟發(fā)式搜索
  7.3  沖突消解策略
  7.4  應用舉例
  7.4.1  基于層次因果診斷模型的搜索策略研究
  7.4.2  基于UML的診斷推理策略研究
  參考文獻
第8章  解釋機制
  8.1  概述
  8.1.1  解釋機制的概念
  8.1.2  解釋機制的目標
  8.1.3  解釋機制的作用
  8.1.4  解釋機制的類型
  8.1.5  解釋機制的一般體系結構
  8.1.6  解釋機制實現(xiàn)應考慮的問題
  8.2  解釋的方法
  8.2.1  預制文本與路徑跟蹤法
  8.2.2  策略解釋法
  8.2.3  自動程序員法
  8.3  討論與展望
  參考文獻
第9章  智能代理
  9.1  Agent概述
  9.1.1  Agent含義
  9.1.2  Agent特性
  9.1.3  Agent分類與結構
  9.2  面向Agent的程序設計
  g.2.1  AOP的含義與發(fā)展
  9.2.2  面向領域工程的Agent開發(fā)方法
  9.3  多Agent系統(tǒng)
  9.3.1  多Agent系統(tǒng)的含義及特征
  9.3.2  多Agent系統(tǒng)的組織結構
  9.3.3  多Agent系統(tǒng)與分布式系統(tǒng)
  9.3.4  多Agent系統(tǒng)與智能系統(tǒng)
  9.4  移動Agent系統(tǒng)
  9.4.1  移動Agent含義
  9.4.2  移動Agent特征
  9.4.3  移動Agent體系結構
  9.4.4  基于移動Agent的分布計算模型
  9.5  討論與展望
  9.5.1  AOP研究
  9.5.2  移動Agent研究
  參考文獻
第10章  分布式系統(tǒng)
  10.1  概述
  10.1.1  分布式系統(tǒng)的定義與特征
  10.1.2  分布式系統(tǒng)發(fā)展的動因
  10.1.3  分布式系統(tǒng)結構模型
  10.2  分布式系統(tǒng)環(huán)境與分布式操作系統(tǒng)
  10.2.1  分布式系統(tǒng)環(huán)境的系統(tǒng)結構及組成
  10.2.2  分布式操作系統(tǒng)的系統(tǒng)結構及組成
  10.3  分布式數(shù)據(jù)庫系統(tǒng)
  10.3.1  相關概念
  10.3.2  分布式數(shù)據(jù)庫的數(shù)據(jù)分布
  10.3.3  分布式數(shù)據(jù)庫的設計
  10.4  移動分布式系統(tǒng)
  10.5  討論與展望
  參考文獻
  中篇  方法篇
第11章  智能系統(tǒng)的開發(fā)方法
  11.1  概述
  11.1.1  智能系統(tǒng)開發(fā)的特殊性
  11.1.2  智能系統(tǒng)開發(fā)的難點
  11.1.3  智能系統(tǒng)開發(fā)方法的主要內(nèi)容
  11.1.4  智能系統(tǒng)的選題原則
  11.1.5  智能系統(tǒng)的設計原則
  11.2  智能系統(tǒng)開發(fā)步驟
  11.2.1  系統(tǒng)分析階段
  11.2.2  領域模型階段
  11.2.3  系統(tǒng)設計階段
  11.2.4  系統(tǒng)實現(xiàn)階段
  11.2.5  系統(tǒng)測試階段
  11.2.6  系統(tǒng)維護階段
  11.2.7  系統(tǒng)評價階段
  11.3  智能系統(tǒng)評價
  11.3.1  評價的內(nèi)容
  11.3.2  智能系統(tǒng)的評價原則
  11.3.3  智能系統(tǒng)的評價方法
  11.3.4  智能系統(tǒng)的評價級別
  11.4  智能系統(tǒng)開發(fā)的工具
  附錄  魚病診斷系統(tǒng)調(diào)查問卷
  參考文獻
第12章  基于節(jié)約覆蓋集理論的魚病診斷算法
  12.1  魚病診斷知識的表示
  12.1.1  魚病診斷知識的分類
  12.1.2  案例知識的表示
  12.1.3  經(jīng)驗知識的表示
  12.2  節(jié)約覆蓋集理論及其概率模型
  12.2.1  疾病診斷問題的數(shù)學表述
  12.2.2  節(jié)約覆蓋集理論的概率模型
  12.3  基于模糊數(shù)學的覆蓋集改進模型及其算法
  12.3.1  基于模糊數(shù)學的改進模型
  12.3.2  診斷模型的求解算法
  12.3.3  基于模糊數(shù)學的覆蓋集改進模型在魚病診斷
  中的應用
  參考文獻
第13章  基于禁忌搜索方法的病因診斷求解策略
  13.1  基于覆蓋集理論的診斷指標的建立
  13.1.1  病因診斷的數(shù)學描述
  13.1.2  基于覆蓋集理論的病因診斷指標的構建
  13.1.3  病因診斷問題數(shù)學模型的構建
  13.2  基于禁忌搜索方法的病因診斷求解策略
  13.2.1  組合優(yōu)化問題及其算法
  13.2.2  禁忌搜索算法及其技術要點
  13.2.3  基于禁忌搜索算法的病因診斷策略
  13.2.4  魚病的診斷實例
  13.3  基本結論
  附錄  禁忌搜索算法的基本流程
  參考文獻
  下篇案例篇
第14章  魚病診斷系統(tǒng)
  14.1  魚病診斷系統(tǒng)分析
  14.1.1  現(xiàn)行系統(tǒng)調(diào)查與研究
  14.1.2  系統(tǒng)可行性分析
  14.1.3  系統(tǒng)的邏輯模型
  14.2  魚病診斷知識獲取
  14.2.1  問題識別階段
  14.2.2  知識概念化階段
  14.2.3  知識形式化階段
  14.2.4  知識實現(xiàn)階段
  14.2，5  知識測試階段
  14.3  魚病診斷系統(tǒng)設計
  14.3.1  系統(tǒng)總體結構設計
  14.3.2  系統(tǒng)功能模塊設計
  14.3.3  魚病診斷處理流程設計
  14.4  系統(tǒng)實現(xiàn)
  14.4.1  系統(tǒng)開發(fā)軟件環(huán)境
  14.4.2  COM組件設計實現(xiàn)
  14.4.3  系統(tǒng)開發(fā)軟件技術
  14.4.4  程序舉例
  14.4.5  系統(tǒng)界面舉例
  參考文獻—
第15章  全過程水產(chǎn)養(yǎng)殖系統(tǒng)
  15.1  淡水蝦養(yǎng)殖智能系統(tǒng)
  15.1.1  系統(tǒng)分析
  15.1.2  系統(tǒng)設計
  15.1.3  知識的表示與獲取
  15.1.4  推理機
  15.1.5  數(shù)據(jù)庫
  15.1.6  系統(tǒng)實現(xiàn)
  15.1.7  結論
  15.2  河蟹養(yǎng)殖智能系統(tǒng)
  15.2.1  蟹種培育分析
  15.2.2  知識表示
  15.2.3  推理機設計
  15.2.4  模型設計
  15.2.5  運行實例
  15.2.6  結論
  參考文獻
第16章  淡水養(yǎng)魚飼料投喂系統(tǒng)
  16.1  領域知識分析
  16.1.1  淡水魚養(yǎng)殖流程
  16.1.2  淡水魚養(yǎng)殖過程中飼料的地位
  16.1.3  飼料配方
  16.1.4  飼料選擇
  16.1.5  投飼技術—
  16.2  系統(tǒng)設計
  16.2.1  基于網(wǎng)絡的智能系統(tǒng)結構設計
  16.2.2  淡水養(yǎng)魚投飼智能系統(tǒng)功能模塊設計
  16.2.3  模型庫設計
  16.3  系統(tǒng)運行結果
  參考文獻
第17章  水產(chǎn)品價格預測支持系統(tǒng)
  17.1  領域模型分析與設計
  17.1.1  領域問題識別的指導思想
  17.1.2  水產(chǎn)品價格預測支持系統(tǒng)領域問題的概念模型
  17.2  水產(chǎn)品價格預測支持系統(tǒng)領域問題的形式化體系
  17.2.1  預測問題及其求解過程