本書對數據挖掘獲取知識的形式、特點和管理模式進行研究,以促進知識管理和數據挖掘學科的互補式交叉發展,提高企業決策質量。運用理論和實踐相結合、定性和定量相結合的研究方法,綜合知識管理、數據挖掘、人工智能、可拓學和復雜性理論等交叉學科的研究成果,給出了智能知識(IK)和智能知識管理(IKM)的概念。改變了學者一貫采用的智能的知識管理方案,提出讓知識本身具有記憶、識別、推理、自適應等一系列特點的智能知識及其管理模式理淪,建立了IKM研究的體系框架,以減少即將來臨的知識過載。
本書通過引入可拓學理論,設計了具有目標智能性的可拓規則挖掘算法和基于MCLP的可拓分類算法,首次提出了智能知識的孵化方法,實現了智能知識的表達和存儲方案,並提出了智能知識的自我審計方法和推理技術等新方案。最後分析了智能知識管理系統(IKMS)的需求,並進行了詳細的軟件功能設計,從而為智慧決策提供一種新視角和一條新途徑。
本書適合知識管理、數據挖掘、決策支持、人工智能等研究領域的學者、企業CEO、CIO及研究生和大學高年級學生閱讀,也可以作為研究生選修課教材。