| 独创性声明 | 第1-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 引言 | 第9-15页 |
| 1．1 人工智能简介 | 第9-10页 |
| 1．2 专家系统简介 | 第10-13页 |
| 1．2．1 基于规则推理简介 | 第12页 |
| 1．2．2 基于事例推理简介 | 第12-13页 |
| 1．3 本文主要内容及组织结构 | 第13-15页 |
| 第二章 基于事例推理概述 | 第15-22页 |
| 2．1 基于事例推理 | 第15-19页 |
| 2．1．1 基于事例推理概述 | 第16-17页 |
| 2．1．2 基于事例推理基本过程 | 第17-18页 |
| 2．1．3 事例表示和存储 | 第18页 |
| 2．1．4 事例检索和匹配 | 第18-19页 |
| 2．1．5 事例修改和学习 | 第19页 |
| 2．2 基于事例推理评述 | 第19-22页 |
| 2．2．1 CBR和 RBR的区别 | 第19-20页 |
| 2．2．2 CBR系统优越性 | 第20页 |
| 2．2．3 CBR系统目前的问题 | 第20-22页 |
| 第三章 系统关键技术介绍 | 第22-39页 |
| 3．1 面向对象的知识表示概述 | 第22-23页 |
| 3．1．1 知识表示定义 | 第22页 |
| 3．1．2 知识表示方法 | 第22页 |
| 3．1．3 面向对象表示法基本思想 | 第22-23页 |
| 3．1．4 面向对象表示法特点 | 第23页 |
| 3．2 分级式过滤算法 | 第23-29页 |
| 3．2．1 一些相关的基本概念 | 第23-27页 |
| 3．2．2 分级式检索算法 | 第27页 |
| 3．2．3 算法效率 | 第27-29页 |
| 3．3 事例的存储 | 第29-33页 |
| 3．3．1 物元的基本概念 | 第29-33页 |
| 3．3．2 物元思想在系统中的应用 | 第33页 |
| 3．4 事例的学习优化 | 第33-39页 |
| 3．4．1 事例修改和学习 | 第33-34页 |
| 3．4．2 事例的索引 | 第34-39页 |
| 第四章 系统设计和实现 | 第39-59页 |
| 4．1 系统概述 | 第39-41页 |
| 4．2 事例表示和存储 | 第41-47页 |
| 4．2．1 事例表示 | 第41-46页 |
| 4．2．2 事例组织 | 第46-47页 |
| 4．3 事例检索和匹配 | 第47-55页 |
| 4．3．1 检索算法选择 | 第47-51页 |
| 4．3．2 基于模糊数学的相似度计算函数 | 第51-53页 |
| 4．3．3 事例检索过程 | 第53-54页 |
| 4．3．4 事例匹配 | 第54页 |
| 4．3．5 检索算法评价及展望 | 第54-55页 |
| 4．4 事例修改和学习 | 第55-57页 |
| 4．4．1 事例修改 | 第55页 |
| 4．4．2 事例学习 | 第55-57页 |
| 4．5 系统评价和展望 | 第57-59页 |
| 第五章 CBR系统与其他技术相结合 | 第59-68页 |
| 5．1 分布式数据库简介 | 第59-65页 |
| 5．1．1 分布式数据库简介 | 第59-61页 |
| 5．1．2 分布式数据库与 CBR结合的可行性分析 | 第61-65页 |
| 5．1．3 分布式数据库与 CBR结合展望 | 第65页 |
| 5．2 CBR与 RBR的结合 | 第65-68页 |
| 结束语 | 第68-69页 |
| 参考文献 | 第69-71页 |
| 致谢 | 第71页 |