文摘
英文文摘
论文说明:图表目录
声明
致谢
第一章绪论
1.1案例智能
1.1.1 CBR概述
1.1.2 CBR的研究方向
1.2粗糙集
1.2.1粗糙集概述
1.2.2粗糙集的研究现状
1.3神经网络
1.3.1神经网络的发展概要
1.3.2神经网络与案例推理系统
1.4选题的意义
1.5论文的组织与安排
第二章案例知识结构
2.1 CBR的逻辑学基础
2.1.1类比推理
2.1.2案例智能技术
2.1.3非单调逻辑
2.2案例表示
2.2.1案例表示的要求
2.2.2案例表示方法
2.3相似性研究
2.3.1案例相似性理论
2.3.2相似性计算
2.4案例的组织
2.5案例修正技术
2.5.1案例修正方法
2.5.2修正知识获取
2.6本章小结
第三章基于粗糙集的综合推理技术
3.1粗糙集基本理论
3.1.1粗糙集基本概念
3.1.2与其它不确定理论的关系
3.2决策表达逻辑
3.2.1知识的简化
3.2.2决策逻辑
3.2.3决策表的简化
3.3综合推理技术及应用
3.3.1粗糙集在CBR中的实际应用
3.3.2综合推理技术的融合方式
3.3.3综合推理技术应用——案例智能决策支持系统
3.4本章小结
第四章基于前馈神经网络的案例检索
4.1案例索引与检索技术
4.1.1案例索引
4.1.2案例检索
4.2前馈神经网络模型
4.2.1多层前馈神经网络
4.2.2径向基网络
4.3前馈神经网络的学习算法
4.3.1 BP算法
4.3.2模拟退火算法
4.3.3径向基函数算法
4.4基于RBF网络的案例检索模型
4.4.1神经元模型
4.4.2检索结构
4.4.3实验
4.5本章小结
第五章基于构造性神经网络的案例智能系统
5.1 FP及覆盖算法
5.1.1构造性神经网络
5.1.2 FP算法
5.1.3 M-P神经元的几何意义
5.1.4覆盖算法
5.2 SVM及其学习算法
5.2.1统计机器学习理论
5.2.2支持向量机
5.3基于前馈神经网络的案例智能系统
5.3.1集成系统的结构模型
5.3.2试验与分析
5.4本章小结
第六章案例知识库维护技术的相关研究
6.1案例知识库维护
6.1.1案例库维护架构
6.1.2案例库维护方法
6.2基于相似粗糙集技术的案例知识库维护
6.2.1基本理论与算法
6.2.2案例库维护过程
6.3基于交叉覆盖算法的案例知识库维护
6.3.1交叉覆盖算法
6.3.2试验过程分析
6.4本章小结
第七章总结与展望
7.1本文的主要贡献与创新点
7.2进一步的研究
参考文献
攻读博士学位期间从事的科研工作及发表的论文
合肥工业大学;