| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 引言 | 第9-14页 |
| ·课题的研究背景及意义 | 第9-10页 |
| ·理论背景 | 第9页 |
| ·工程背景 | 第9-10页 |
| ·开展此项研究的意义 | 第10页 |
| ·总体解决方案 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·主要研究内容 | 第12-13页 |
| ·项目来源 | 第13-14页 |
| 第二章 基于决策树的推理机及推理机的机器学习 | 第14-24页 |
| ·概述 | 第14页 |
| ·决策树推理 | 第14-16页 |
| ·初始假设的构建 | 第16-18页 |
| ·先验知识、训练样例、原始领域知识库 | 第16-17页 |
| ·推理规则 | 第17-18页 |
| ·初始假设 | 第18页 |
| ·决策树的学习和训练 | 第18-19页 |
| ·工程问题对领域知识的约束与领域知识的不完备性 | 第19-20页 |
| ·工程问题 | 第19页 |
| ·领域知识的约束与领域知识的不完备性 | 第19-20页 |
| ·领域知识的修正 | 第20-21页 |
| ·新知识的发现和领域知识的补充 | 第21-22页 |
| ·初始假设、推理规则的更新 | 第22-23页 |
| ·具有自适应能力的决策树推理机模型 | 第23页 |
| ·小结 | 第23-24页 |
| 第三章 基于遗传搜索算法的知识发现和知识更新 | 第24-34页 |
| ·概述 | 第24页 |
| ·知识发现、知识更新与遗传搜索 | 第24-25页 |
| ·基因编码 | 第25-26页 |
| ·遗传算子 | 第26-28页 |
| ·选择(selection) | 第26-27页 |
| ·交叉(crossover) | 第27页 |
| ·变异算子(mutation) | 第27-28页 |
| ·选择 | 第28页 |
| ·适应度函数 | 第28-30页 |
| ·类内距离 | 第29页 |
| ·类间距离 | 第29-30页 |
| ·知识发现和知识更新 | 第30-33页 |
| ·自适应交叉、变异算子和基因重组 | 第30-31页 |
| ·知识发现和知识更新的遗传算法设计 | 第31页 |
| ·程序流程 | 第31-33页 |
| ·小结 | 第33-34页 |
| 第四章 应用研究例 | 第34-53页 |
| ·问题描述-汽车变速器新产品生产检验与故障诊断 | 第34页 |
| ·先验领域知识及领域知识库 | 第34-36页 |
| ·先验领域知识 | 第34-36页 |
| ·领域知识库 | 第36页 |
| ·初始正例训练样例及初始训练样本库 | 第36-39页 |
| ·初始正例训练样例 | 第36-38页 |
| ·初始训练样本库 | 第38-39页 |
| ·基于先验领域知识和初始训练样例的初始假设、推理规则与推理规则库 | 第39-45页 |
| ·初始假设 | 第39-42页 |
| ·推理规则与推理规则库 | 第42-45页 |
| ·基于初始假设和推理规则的决策树机器学习 | 第45-46页 |
| ·初始决策树推理机泛化精度评估 | 第46-47页 |
| ·后期正、反例训练样例与当前训练样本库 | 第47-50页 |
| ·领域知识的补充和冗余知识的剔除 | 第50页 |
| ·知识更新与初始假设、推理规则的更新 | 第50-51页 |
| ·自适应决策树推理机泛化精度评估 | 第51-52页 |
| ·小结 | 第52-53页 |
| 第五章 结论 | 第53-55页 |
| ·主要研究成果 | 第53页 |
| ·主要创新点 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 作者简介 | 第59页 |
| 攻读硕士学位期间研究成果 | 第59-60页 |