基于粗集的CBR方法在企业评估中的应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·研究意义 | 第10页 |
| ·国内外研究现状 | 第10-14页 |
| ·现有金融管理系统的实现技术 | 第10-12页 |
| ·专家系统推理机的实现技术 | 第12-14页 |
| ·系统开发中的难点 | 第14-15页 |
| ·推理机 | 第14-15页 |
| ·数据库 | 第15页 |
| ·应用前景 | 第15-16页 |
| ·本文的工作及其组织结构 | 第16-18页 |
| 第2章 粗集理论及推理技术 | 第18-30页 |
| ·粗糙集理论 | 第18-21页 |
| ·粗集理论的产生与发展 | 第18-19页 |
| ·国内外研究现状 | 第19-20页 |
| ·粗集理论的特点 | 第20-21页 |
| ·推理技术 | 第21-29页 |
| ·基于规则的推理 | 第21-23页 |
| ·基于案例的推理 | 第23-28页 |
| ·RBR 与CBR 的结合 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 案例权值确定算法 | 第30-43页 |
| ·算法提出的背景 | 第30-31页 |
| ·算法的实现目标 | 第31页 |
| ·算法实现的前提条件 | 第31-35页 |
| ·知识表达系统 | 第32-33页 |
| ·决策表 | 第33-34页 |
| ·表示方法 | 第34页 |
| ·存储举例 | 第34-35页 |
| ·算法的理论基础 | 第35-39页 |
| ·知识与分类 | 第35-36页 |
| ·知识库与不可分辨关系 | 第36-37页 |
| ·上下近似值 | 第37页 |
| ·知识约简 | 第37-38页 |
| ·知识依赖 | 第38-39页 |
| ·算法原理 | 第39-40页 |
| ·算法描述 | 第40-41页 |
| ·算法分析 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 案例相似度计算算法 | 第43-51页 |
| ·现有算法及缺点 | 第43-46页 |
| ·最短距离算法 | 第43-44页 |
| ·索引的最短距离算法 | 第44-45页 |
| ·矩阵算法 | 第45-46页 |
| ·SASCI 算法提出的背景 | 第46-47页 |
| ·SASCI 算法原理 | 第47页 |
| ·SASCI 算法描述 | 第47-48页 |
| ·算法分析 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 系统的改进与完善 | 第51-64页 |
| ·原有模型系统 | 第51-55页 |
| ·技术路线 | 第51-52页 |
| ·系统概述 | 第52-54页 |
| ·系统主要特点 | 第54-55页 |
| ·系统的完善与实现 | 第55-63页 |
| ·系统实现环境配置 | 第55页 |
| ·完善后的系统推理流程 | 第55-57页 |
| ·开发模式的选取 | 第57-59页 |
| ·数据库与推理机接口的完善 | 第59-60页 |
| ·数据库的完善 | 第60页 |
| ·功能的完善 | 第60-63页 |
| ·本章小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第70-71页 |
| 致谢 | 第71-72页 |
| 作者简介 | 第72页 |
