随着知识化制造系统(Knowledgeable Manufacturing System,KMS)的自适应、自学习、自进化、自重构等技术的发展和完善,知识网库中的知识网同益增多,这包括已有的各种先进制造模式转化的知识网和利用KMS各种技术产生的新知识网。用户从中检索选择一个或多个合适的知识网,对其进行学习、进化或重构,并应用到实际系统中,需要更多的专业知识。为此本文对知识网的选择问题进行了研究。首先针对KMS自重构后的新知识网的合理性问题,研究知识网的内在结构机理并提出知识网的约简方法。针对知识网这种新的知识表示,提出基于知识网的知识表达度量理论并将其应用于基于用户功能需求的知识网选择问题。在此基础之上,针对日益增多的相似知识网的存在,提出基于模糊关联聚类的知识网选择方法。针对用户需求繁琐、不明确等问题,提出基于信息粒度原理的知识网的模糊检索和分类方法。　　 1.针对KMS自重构后的新知识网合理性的问题,研究知识网的内在结构机理并提出知识网的约简方法。提出利用等价关系对知识点集进行分类,构造知识点集的功能拓扑空间;通过真集,建立知识点集和功能拓扑空间之间的联系;证明功能拓扑空间的基的充要条件,揭示知识网、拓扑空间和基在本质上的对应关系,通过自重构获得的新知识网实质上就是由功能拓扑空间中的基生成而得到的。利用传递闭包判别知识网复合联系的完备性并证明其公式。提出利用等价关系、基和基本知识点去简化知识网的结构和增强知识网的合理性。　　 2.针对知识网这种新的知识表示尚缺乏度量方法问题,提出基于知识网的知识表达度量方法,将其应用于知识网的选择问题,提出一种基于用户功能需求的知识网选择方法。应用信息熵理论,定义知识量函数。证明知识量函数是元素数目、综合测度的单调函数。证明在知识网运算过程中,进行交和差运算,知识网的知识量不会增加;在满足一定前提条件下,合并后的知识网的知识量不小于合并前的任何一个知识网的知识量;在一定条件下,合并所得到的新知识网的知识量大于合并前知识网的知识量的和。将该方法应用到基于用户功能需求的知识网选择中,提出基于用户功能需求的相似性和知识量两个评价知识网的量化指标。实例显示相似性和知识量的结合可以有效地解决基于用户功能需求的知识网选择问题。　　 3.针对日益增多的相似知识网的存在使得用户难以选择问题,提出一种基于模糊关联聚类的知识网选择方法。从“质”、“量”两个方面,定义知识网最底层知识点之间的功能匹配度和功能完善度,并考虑知识网层次结构,建立知识网的相似度模型,对其性质进行证明。将两两知识网问的相似度作为进行聚类的数据,构造模糊关联矩阵,对其进行分解,获得知识网一类关系。将类中隶属度高的知识网作为参考知识网,或者对于高素质用户根据用户需求再在类中对知识网进行选择。实例分析表明该方法是可行和有效的。　　 4.针对知识化制造系统自重构中知识网的重复检索和运算问题,提出一种基于信息粒度的知识网的模糊分类和检索方法。综合“质”、“量”和复杂性三个方面,利用知识网的固有信息,建立相似度模型,证明的若干结论说明在知识网运算中该模型保持了运算特征;然后对知识网库中知识网进行模糊聚类,类的个数事先并没有固定但可以动态调节,各聚类中心依次是相对应的某些需求下的最佳状态,权重向量进一步帮助量化知识网特征的重要性;以各聚类中心为中心,确定知识网的检索空间,实现问题由细粒度空间转化为粗粒度空间。