| 第一章 绪论 | 第1-23页 |
| 1．1 研究背景和意义 | 第7-8页 |
| 1．1．1 研究背景 | 第7页 |
| 1．1．2 理论及实际意义 | 第7-8页 |
| 1．2 国内外研究综述 | 第8-10页 |
| 1．3 主要研究内容 | 第10-23页 |
| 1．3．1 人工智能对不确定性推理 | 第10-12页 |
| 1．3．1．1 人工智能对不确定性推理的需求 | 第10-11页 |
| 1．3．1．2 不确定性推理的分类 | 第11-12页 |
| 1．3．2 人工智能中的逻辑学 | 第12-16页 |
| 1．3．2．1 逻辑学 | 第12-13页 |
| 1．3．2．2 人工智能对逻辑学的需求 | 第13页 |
| 1．3．2．3 逻辑学的发展及其相互关系 | 第13-16页 |
| 1．3．3 Lukasiewicz三值逻辑 | 第16-17页 |
| 1．3．4 概率逻辑 | 第17-18页 |
| 1．3．5 发生率计算理论 | 第18-20页 |
| 1．3．6 粗集理论 | 第20-22页 |
| 1．3．7 本文的结构 | 第22-23页 |
| 第二章 概率逻辑 | 第23-28页 |
| 2．1 概率逻辑的提出 | 第23-24页 |
| 2．2 概率逻辑的发展 | 第24页 |
| 2．3 几种代表性的概率逻辑系统 | 第24-28页 |
| 2．3．1 卡尔纳普概率逻辑系统 | 第25页 |
| 2．3．2 基于数理逻辑的概率逻辑及其不确定性推理 | 第25-26页 |
| 2．3．3 三值概率逻辑及其不确定性推理 | 第26-28页 |
| 第三章 原始发生率计算理论 | 第28-34页 |
| 3．1 发生率计算理论的提出 | 第28页 |
| 3．2 OICT的基本概念 | 第28-30页 |
| 3．3 OICT上的概率推理 | 第30-34页 |
| 第四章 推广的发生率计算理论 | 第34-41页 |
| 4．1 GICT的基本概念 | 第34-36页 |
| 4．2 DS证据理论 | 第36-39页 |
| 4．2．1 概率分配函数 | 第37-38页 |
| 4．2．2 信任函数 | 第38-39页 |
| 4．2．3 似然函数 | 第39页 |
| 4．3 GICT与证据理论 | 第39-41页 |
| 第五章 发生率计算理论的两个区间扩展 | 第41-50页 |
| 5．1 IGICT的基本概念 | 第41-44页 |
| 5．2 区间发生率计算理论 | 第44-48页 |
| 5．2．1 区间集合模型 | 第44-45页 |
| 5．2．2 区间发生率计算理论的基本概念 | 第45-46页 |
| 5．2．3 IICT上的概率推理 | 第46-48页 |
| 5．3 IICT与IGICT之间的关系及其上的概率推理的研究 | 第48-50页 |
| 第六章 IGICT的一个公理化解释 | 第50-61页 |
| 6．1 区间结构 | 第50-52页 |
| 6．1．1 布尔代数的一个简单回顾 | 第50-51页 |
| 6．1．2 两个布尔代数上的区间结构 | 第51-52页 |
| 6．2 粗集代数 | 第52-54页 |
| 6．2．1 结构方法 | 第52-53页 |
| 6．2．2 代数方法 | 第53-54页 |
| 6．3 IGICT的公理化解释 | 第54-61页 |
| 第七章 总结与展望 | 第61-63页 |
| 7．1 本文的总结与展望 | 第61页 |
| 7．2 下一步的工作计划 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 攻读硕士学位期间参加的主要科研项目 | 第66页 |
| 攻读硕士学位期间发表的论文 | 第66-67页 |
| 致谢 | 第67页 |