| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 自然语言处理简介 | 第13-15页 |
| 1.3.1 发展历史 | 第13-14页 |
| 1.3.2 整体技术体系 | 第14-15页 |
| 1.4 研究内容与章节安排 | 第15-17页 |
| 1.4.1 主要研究内容 | 第15页 |
| 1.4.2 章节安排 | 第15-17页 |
| 第2章 基于案例相似度的车辆故障智能诊断系统总体方案 | 第17-21页 |
| 2.1 需求分析 | 第17-18页 |
| 2.2 系统功能 | 第18-20页 |
| 2.2.1 系统架构 | 第18-19页 |
| 2.2.2 故障诊断总体流程 | 第19-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第3章 相似度计算方法 | 第21-34页 |
| 3.1 中文分词 | 第21-24页 |
| 3.1.1 基于字符串匹配的分词方法 | 第21-23页 |
| 3.1.2 基于理解的分词方法 | 第23页 |
| 3.1.3 基于统计的分词方法 | 第23-24页 |
| 3.2 特征选择 | 第24-30页 |
| 3.2.1 常用的特征提取方法 | 第24-27页 |
| 3.2.2 LDA模型 | 第27-30页 |
| 3.3 文本相似度算法 | 第30-33页 |
| 3.3.1 基于向量空间的算法 | 第30-32页 |
| 3.3.2 基于语义相似度的算法 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 车辆故障诊断系统算法设计 | 第34-50页 |
| 4.1 故障信息特征提取 | 第34-39页 |
| 4.1.1 故障信息分词 | 第34-36页 |
| 4.1.2 消除停用词 | 第36-37页 |
| 4.1.3 归一化同义词 | 第37-38页 |
| 4.1.4 特征提取算法 | 第38-39页 |
| 4.2 案例匹配 | 第39-47页 |
| 4.2.1 权值计算 | 第39-41页 |
| 4.2.2 案例相似度计算方法 | 第41-47页 |
| 4.3 器件提取及标注 | 第47页 |
| 4.4 数据管理 | 第47-48页 |
| 4.5 反馈机制 | 第48-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第5章 实验 | 第50-59页 |
| 5.1 实验环境 | 第50页 |
| 5.2 算法测试与分析 | 第50-54页 |
| 5.2.1 特征提取实验 | 第50-51页 |
| 5.2.2 算法分析 | 第51-54页 |
| 5.3 故障诊断系统 | 第54-57页 |
| 5.3.1 系统登录 | 第54页 |
| 5.3.2 案例诊断 | 第54-55页 |
| 5.3.3 快速填词 | 第55-56页 |
| 5.3.4 反馈功能 | 第56-57页 |
| 5.4 数据库管理 | 第57-58页 |
| 5.4.1 案例库的管理 | 第57页 |
| 5.4.2 器件库的管理 | 第57-58页 |
| 5.5 本章小结 | 第58-59页 |
| 第6章 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59-60页 |
| 6.2 展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 作者简介及在学期间取得的科研成果 | 第64-65页 |
| 致谢 | 第65页 |