随着社会的不断进步,信息技术的不断涌现,人们的生活环境变得错综复杂。决策问题一直伴随着人们共同发展与进步,如：国家关于国民经济的决策、企业如何规划未来十年的发展战略、银行如何对信贷客户进行信用风险分析等。这些决策问题的共同点在于：目标问题错综复杂、决策信息不充足、决策场景不熟悉等。而传统的决策理论对决策者起到的帮助不大,在面临上述决策环境时,更多的是依赖于决策者所拥有的专业知识与过往的经验来帮助进行决策。因此,如何将组织和专家的隐性知识转化为可以计算推理的显性知识是一个非常迫切和重要的问题。基于此,本文提出了基于自然决策理论的隐性知识表示研究,为隐性知识如何量化为可计算和推理显性知识提出新思路。本文的研究工作及主要成果是：第一,本文的理论部分首先,研究自然决策理论的发展,重点对其经典的RPD的决策模型进行探讨,并对自然决策理论的相关应用进行分析讨论。其次,对知识表示的理论和方法进行文献研究,重点分析知识表示的常用方法：如：逻辑表示法、框架表示法、语义网络表示法、产生式表示法,并对其进行对比研究分析,找出各自的优缺点。最后,分析隐性知识的结构特点,并发现模糊认知图能较好的对具有因果关系的隐性知识进行良好的表示和推理。第二,在对上述理论研究的基础上本文首先,对自然决策理论的整体决策思路及框架进行分析。然后对模糊认知图的结构、因果关系进行阐述,提出了构建模糊认知图的基本步骤和开发方法,建立了基于模糊认知图的可计算隐性知识表示模型。其次,在CBR案例识别的基础上构建模糊认知图的识别方法。最后,重点研究了模糊认知图的推理机制和方法,并结合算例进行推理过程的设计和算法的实现。第三,采用个人信用风险评价案例对基于模糊认知图的可计算隐性知识表示模型和该模型的识别、推理进行应用分析。本文的主要创新点表现在：对自然决策理论、现有的知识表示方法以及隐性知识特点进行研究,提出基于模糊认知图的具有因果关系知识的表示方法,建立基于自然决策理论下的隐性可计算知识表示模型与推理方法,为隐性知识显性化这一难题作出了探索性研究。