| 摘要 | 第1-6页 |
| ABSTRACT | 第6-17页 |
| 第一章 绪论 | 第17-37页 |
| ·论文选题背景与选题意义 | 第17-25页 |
| ·管理实践背景 | 第17-20页 |
| ·理论与方法论背景 | 第20-22页 |
| ·选题目的及意义 | 第22-24页 |
| ·关键科学问题 | 第24-25页 |
| ·相关研究现状与评述 | 第25-32页 |
| ·多传感器的数据感知与信息传递 | 第26-27页 |
| ·多源数据关联、融合及信息共享 | 第27页 |
| ·CBR/RBR融合分类 | 第27-29页 |
| ·智能决策及系统鲁棒性 | 第29-30页 |
| ·临床诊断决策支持 | 第30-31页 |
| ·综合评述 | 第31-32页 |
| ·论文结构安排与主要创新点 | 第32-37页 |
| ·论文结构安排 | 第32-35页 |
| ·主要创新点 | 第35-37页 |
| 第二章 决策系统数据融合中的知识推理方法 | 第37-59页 |
| ·数据驱动决策的特征 | 第37-43页 |
| ·决策数据特征 | 第37-41页 |
| ·数据融合中知识推理性质 | 第41-43页 |
| ·数据融合的知识推理模型要素 | 第43-49页 |
| ·决策空间及要素 | 第44页 |
| ·数据驱动决策的知识推理命题 | 第44-47页 |
| ·多准则分类决策的性能评价 | 第47-49页 |
| ·知识推理的数据预处理 | 第49-54页 |
| ·数据分治 | 第49-50页 |
| ·可解释性推理 | 第50-52页 |
| ·预处理方法 | 第52-54页 |
| ·知识推理的决策鲁棒性分析 | 第54-58页 |
| ·知识推理中两类不确定性 | 第54-55页 |
| ·决策鲁棒性 | 第55-57页 |
| ·推理模型的鲁棒性约束 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第三章 层次关联证据链推理的多属性群决策分类 | 第59-83页 |
| ·问题描述与相关研究 | 第59-62页 |
| ·问题描述 | 第59-61页 |
| ·相关研究 | 第61-62页 |
| ·决策状态空间与证据链 | 第62-65页 |
| ·命题空间与可信度性质 | 第62-63页 |
| ·决策状态与证据链 | 第63-65页 |
| ·层次关联证据链推理模型FUER | 第65-70页 |
| ·三层推理空间 | 第65-67页 |
| ·层次关联映射 | 第67-69页 |
| ·可信度集成 | 第69-70页 |
| ·类别误标下证据链推理方法 | 第70-77页 |
| ·证据链推理的混合整数优化模型 | 第70-71页 |
| ·模型推理必要条件和敏感性分析 | 第71-73页 |
| ·类别误标下模型推断 | 第73-74页 |
| ·干扰下模型参数学习 | 第74-75页 |
| ·相似度加权近邻算法sf-NN | 第75-77页 |
| ·应用实例 | 第77-82页 |
| ·人工数据算例 | 第77-78页 |
| ·基准数据来源及处理 | 第78-79页 |
| ·结果分析与比较 | 第79-81页 |
| ·鲁棒性分析与决策启示 | 第81-82页 |
| ·本章小结 | 第82-83页 |
| 第四章 实体异构性下多数据表证据链推理的决策机制 | 第83-105页 |
| ·多数据表的决策推理问题及相关研究 | 第83-86页 |
| ·数据异构性的决策相关研究 | 第83-84页 |
| ·多数据表融合的决策推理相关研究 | 第84-86页 |
| ·从单数据表证据链关联与多数据表证据链关联 | 第86-89页 |
| ·多专家并行推理的知识表示 | 第86-87页 |
| ·局域数据融合推理方法 | 第87-88页 |
| ·基于数据分治方法的推理框架 | 第88-89页 |
| ·证据链并行推理的模型 | 第89-93页 |
| ·异构性实体相似关联 | 第89-91页 |
| ·证据链融合推理参数优化学习 | 第91-92页 |
| ·多数据集中证据链融合 | 第92-93页 |
| ·模型性能分析与求解步骤 | 第93-97页 |
| ·稳定性与鲁棒性分析 | 第93-95页 |
| ·多源证据链关联算法x D-NN | 第95-97页 |
| ·应用实例分析 | 第97-103页 |
| ·实验平台和决策数据集 | 第97-98页 |
| ·预处理与诊断推理 | 第98-100页 |
| ·结果分析 | 第100-101页 |
| ·决策启示 | 第101-103页 |
| ·本章小结 | 第103-105页 |
| 第五章 基于证据链推理和信息价值最大化的决策方法 | 第105-131页 |
| ·多尺度决策的推理相关研究 | 第105-107页 |
| ·时态数据的多尺度决策问题分析 | 第105-106页 |
| ·多尺度决策的推理模型相关研究 | 第106-107页 |
| ·从单一尺度证据链与多尺度证据链 | 第107-109页 |
| ·时态数据 | 第107-108页 |
| ·时间尺度及多尺度证据链 | 第108-109页 |
| ·多尺度特征的证据链推理模型ms FUER及决策框架 | 第109-121页 |
| ·数据预处理与特征量提取 | 第111-113页 |
| ·多尺度特征量重构及互信息矩阵 | 第113-116页 |
| ·多尺度特征信息价值最大化的决策 | 第116-118页 |
| ·时态相似度的最近邻算法ms-NN | 第118-121页 |
| ·多维度时态数据的实例分析 | 第121-130页 |
| ·数据来源 | 第122-124页 |
| ·数据处理方法 | 第124-128页 |
| ·结果分析 | 第128-130页 |
| ·本章小结 | 第130-131页 |
| 第六章 过程感知数据下证据链推理的可信度更新模型 | 第131-157页 |
| ·问题描述与相关研究 | 第131-133页 |
| ·过程感知的决策模糊性 | 第131-132页 |
| ·相关研究 | 第132-133页 |
| ·过程感知的证据链推理模型sd FUER | 第133-144页 |
| ·部分信息下的融合推理模型 | 第133-137页 |
| ·部分证据融合及观测概率获取 | 第137-139页 |
| ·转移概率获取 | 第139-141页 |
| ·停止策略：决策或继续感知特征数据 | 第141-143页 |
| ·基于狄利克雷函数的可信度更新算法df-BU | 第143-144页 |
| ·模型分析及解的讨论 | 第144-151页 |
| ·推理深度及解空间性质 | 第145-148页 |
| ·不同先验概率 0p对推理的作用 | 第148-149页 |
| ·与相似频率直接更新可信度的比较 | 第149-151页 |
| ·应用实例分析 | 第151-155页 |
| ·基准数据实验 | 第151-153页 |
| ·结果及鲁棒性分析 | 第153-155页 |
| ·本章小结 | 第155-157页 |
| 第七章 基于证据链推理的智能诊断及应用分析 | 第157-185页 |
| ·临床决策仿真实验目的与方案 | 第158-165页 |
| ·仿真实验目的 | 第158-159页 |
| ·仿真实验的验证目标 | 第159-162页 |
| ·三种诊断决策方案设定 | 第162-165页 |
| ·基于FUER模型集的临床决策支持原型系统 | 第165-170页 |
| ·FUER-CDSS系统框架 | 第166-167页 |
| ·系统核心构件 | 第167-170页 |
| ·实验数据集及决策数据表信息提取 | 第170-174页 |
| ·数据集总体及统计分析 | 第170-171页 |
| ·波形信号的粗粒化处理与实体特征提取 | 第171-173页 |
| ·电子病程记录中提取的决策数据 | 第173-174页 |
| ·仿真实验方法及结果分析 | 第174-180页 |
| ·推理机验证和结果 | 第174-176页 |
| ·证据链训练模块验证和鲁棒性分析 | 第176-178页 |
| ·证据链长度的结果比较分析 | 第178-180页 |
| ·推广应用及效果 | 第180-183页 |
| ·基于证据链推理模型的嵌入式系统及应用 | 第180-182页 |
| ·决策启示 | 第182-183页 |
| ·本章总结 | 第183-185页 |
| 第八章 总结与展望 | 第185-191页 |
| ·重要成果回顾与总结 | 第185-187页 |
| ·相关研究比较及创新工作 | 第187-189页 |
| ·管理启示及展望 | 第189-190页 |
| ·本章小结 | 第190-191页 |
| 参考文献 | 第191-205页 |
| 发表论文和参加科研情况说明 | 第205-207页 |
| 附录 | 第207-216页 |
| 附录一：术语 | 第207-209页 |
| 附录二：符号 | 第209-211页 |
| 附录三：附图 | 第211-213页 |
| 附录四：附表 | 第213-216页 |
| 致谢 | 第216-217页 |