知识工程与智能信息处理 王芳

知识工程与智能信息处理

一、课程基本情况

二、课程内容简介

知识工程与智能信息处理就是将不完全、不可靠、不精确、不一致和不确定的知识和信息逐步改变为完全、可靠、精确、一致和确定的知识和信息的方法。它涉及到信息科学的多个领域，是当前科学技术发展中的前沿，具有非常广泛的应用领域，包括人工智能、现代信号处理、模糊理论、人工神经网络、软计算等理论和方法的综合应用。课程的主要内容包括知识的表示、获取与推理；模糊逻辑信息处理、人工神经网络信息处理、现代优化理论与方法、各种技术的综合集成及其应用等。

三、课程教学安排

0 绪论（2学时）

课程简介（课程主要内容、课程要求及考核方式等）

1 基础知识（2学时）

1.1 知识与智能

1.2 人工智能研究定义、起源、发展方向和相互关系

1.3 智能信息处理导论(研究内容、应用领域、人工智能求解方法的特点)

2 知识工程（10学时）

2.1 知识的智能化表示

2.2 知识的获取

3 知识推理方法（10学时）

3.1 推理概念和分类

3.2 确定性推理

3.3 搜索策略

3.4 不确定性推理

4 进化计算与优化理论（6学时）

4.1 优化的概念、方法

4.2 进化计算

4.3 遗传算法

4.4 思维进化算法

4.5 模拟退火算法

5 模糊理论信息处理（8学时）

5.1 模糊数学基础

5.2模糊理论在模式识别中的应用

5.3 模糊理论在图像处理中的应用

6 神经计算信息处理（8学时）

6.1 人工神经网络的基本原理

6.2 前馈型神经网络

6.3 反馈型神经网络

6.4 神经网络在模式识别中的应用及实例

7 粒计算的信息处理（6学时）

7.1 粒计算的基本概念

7.2 粗糙集理论

7.3 商空间理论

7.4 基于粒计算的故障诊断

8 智能信息处理技术的综合集成（4学时）

9 专题（4学时）

新技术、新理论、新方法专题

四、课程知识单元与知识点

知识工程与人工智能

●信息、知识、智能、人工智能的定义及关系

●知识的表示：一阶谓词逻辑表示法、产生式表示法、语义网络表示法、框架表示

法、脚本表示法、Petri网表示法、过程表示法、面向对象表示法

●知识获取的过程、方法

●知识推理：确定性推理和不确定性推理

进化计算与优化

●优化的概念和应用领域

●进化计算的主要分支

●遗传算法的基本概念、原理，复制、交叉、变异三个基本算子的运算和算法的步

骤与实现

●思维进化算法的基本概念、原理，趋同和异化两个基本操作的方法和算法的步骤

与实现

●模拟退火算法的基本原理、步骤

模糊理论

●模糊逻辑的基本概念、模糊集合的交、并、包含等运算

●模糊关系及其交、并、包含等运算

●模糊推理的条件语句、推理规则、推理方法，模糊系统的构成

●模糊理论的信息处理方法，包括模糊等价关系的分析、模糊相似关系的分析、最

大隶属原则的判别、择近原则的分析、程序的实现

人工神经网路

●人工神经网路的定义和人工神经网络所借鉴的生物学上的人脑神经元的信息处理

模式

●人工神经网络的模型及学习方法，包括单层和多层感知器、BP网路、径向基函数

网络、自组织神经网络、Elman网络、Boltzmann机、Hopfield网络

●人工神经网络的信息处理方法，包括模型选择、学习方法确定、工作方式、学习

和测试数据处理与确定、激励函数的选择、权值的确定、解决问题的方案设计。粗糙集与粒计算

●粒计算理论的主要分支、粒、基本粒、粒度等基本概念

●粒的合成、分解、跳转等关系运算及应用

●粗糙集的知识表示、属性、属性约简的基本概念

●粗糙集的属性约简方法、属性值的约简方法及应用

●商空间的概念、基本理论和方法