基于智能优化算法的案例推理方法研究

摘要	第1-5页
Abstract	第5-9页
1 绪论	第9-17页
·研究背景及意义	第9-12页
·国内外研究现状	第12-15页
·本文内容	第15-17页
2 基于模糊C均值与神经网络的案例推理方法研究	第17-29页
·神经网络案例推理模型	第17-20页
·神经网络确定属性权重的方法	第17-19页
·神经网络与案例推理方法的结合过程	第19-20页
·模糊C均值-神经网络模型	第20-22页
·模糊C均值聚类算法	第20-21页
·FCM-神经网络模型	第21-22页
·基于FCM-神经网络的案例推理模型	第22-27页
·基于FCM-神经网络的案例推理过程	第22-23页
·仿真实验结果	第23-27页
·小结	第27-29页
3 基于微粒群的案例推理方法研究	第29-40页
·基于微粒群方法的自学习距离测度	第29-34页
·微粒群方法概述	第29-31页
·目标函数和初始位置的确定	第31-33页
·微粒群方法求优化距离测度的过程	第33-34页
·基于自学习距离测度的CBR模型在分类中的研究	第34-38页
·基于自学习距离测度的CBR模型结构	第34-35页
·仿真实验结果	第35-38页
·小结	第38-40页
4 案例推理方法在雨洪资源利用中的应用	第40-48页
·对雨洪资源利用进行研究的意义	第40-41页
·基于案例推理方法的雨洪资源利用模型	第41-45页
·雨洪特征参数的提取及案例库的建立	第41-43页
·模型框架总体设计	第43-45页
·案例推理结果的有效性评价	第45-46页
·小结	第46-48页
结论	第48-49页
参考文献	第49-53页
课题资助情况	第53页
攻读硕士学位期间发表学术论文情况	第53-54页
致谢	第54-56页