《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。

　　《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。
　　……

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